Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Multiset Genetic Algorithm Approach to Grid Resource Allocation Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Identification of Multimodal Human-Robot Interaction Using Combined Kernels

verfasst von : Saith Rodriguez, Katherín Pérez, Carlos Quintero, Jorge López, Eyberth Rojas, Juan Calderón

Erschienen in: Innovations in Bio-Inspired Computing and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper we propose a methodology to build multiclass classifiers for the human-robot interaction problem. Our solution uses kernel-based classifiers and assumes that each data type is better represented by a different kernel. The kernels are then combined into one single kernel that uses all the dataset involved in the HRI process. The results on real data shows that our proposal is capable of obtaining lower generalization errors due to the use of specific kernels for each data type. Also, we show that our proposal is more robust when presented to noise in either or both data types.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Generating Picture Arrays Based on Grammar Systems with Flat Splicing Operation
Nächstes Kapitel Debris Detection and Tracking System in Water Bodies Using Motion Estimation Technique
Literatur
1.
Goodrich, M., Schultz, A.: Human-robot Interaction: a survey. Found. Trends Hum.-Comput. Interact. 1, 203–275 (2007)CrossRefMATH
2.
Behnke, S., Veloso, M., Visser, A., Xiong, R. (eds.): RoboCup 2013: Robot World Cup XVII, LNCS. Springer, Berlin (2014)
3.
Van Beek, L., Chen, K., Holz, D., Matamoros, M., Rascon, C., Rudinac, M., Ruiz del Solar, J., Sugiura, K., Wachsmuth, S.: RoboCupHome 2015: Rule and Regulations (2015)
4.
Bhattacharya, S., Czejdo, B., Perez, N.: Gesture classification with machine learning using kinect sensor data. In: Third International Conference on Emerging Applications of Information Technology, pp. 348–351. IEEE Press, Kolkata (2012)
5.
6.
Huang, J., Lee, C., Ma, J.: Gesture Recognition and Classification using the Microsoft Kinect. Final Project CS229 Machine Learning. Stanford University, Stanford (2012)
7.
Dhanalakshimi, P., Palanivel, S., Ramaligam, V.: Classification of audio signals using SVM and RBFNN. Expert Syst. Appl. 36, 6069–6075 (2009)CrossRef
8.
Sarachaga, G., Sartori, V., Vignoli, L.: Identificacin Automtica de Resumen en Canciones. Proyecto de fin de carrera, Universidad de la Repblica, Uruguay (2006)
9.
Suresh, V., Mohan, C., Kumaraswamy, R., Yegnanarayana, B.: Content-based video classification using support vector machines. In: Pal, N.R., et al. (eds.) ICONIP 2004. LNCS, vol. 3316, pp. 726–731. Springer, Heidelberg (2004)
10.
Subashini, K., Palanivel, S., Ramalingam, V.: Audio-Video based classification using SVM and AANN. Int. J. Comput. Appl. 53(18), 43–49 (2012)
11.
Gönen, M.M., Alpaydin, E.: Multiple Kernel Learning Algorithms. J. Mach. Learn. Res. 12, 2211–2268 (2011)MathSciNetMATH
12.
Manevitz, L., Yousef, M.: One-Class SVMs for document classication. J. Mach. Learn. Res. 2, 139–154 (2001)MATH
13.
Scholkopf, B., Platt, J.C., Shawe-Taylor, J., Smola, A.J., Williamson, R.C.: Estimating the support of a high-dimensional distribution. Technical report, Microsoft Research MSR-TR-99-87 (1999)
14.
Chang, C.C., Lin, C.J.: LIBSVM : a library for support vector machines. ACM Trans. Intell. Syst. Technol. 2(3), 27:1–27:27 (2011)CrossRef
Metadaten
Titel
Identification of Multimodal Human-Robot Interaction Using Combined Kernels
verfasst von
Saith Rodriguez
Katherín Pérez
Carlos Quintero
Jorge López
Eyberth Rojas
Juan Calderón
Copyright-Jahr
2016
Buch
Innovations in Bio-Inspired Computing and Applications

Print ISBN: 978-3-319-28030-1

Electronic ISBN: 978-3-319-28031-8

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-28031-8_23

Premium Partner

    Bildnachweise