論文の概要: Ancestry Tree Clustering for Particle Filter Diversity Maintenance

• arxiv url: http://arxiv.org/abs/2509.24124v1
• Date: Sun, 28 Sep 2025 23:45:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.646605
• Title: Ancestry Tree Clustering for Particle Filter Diversity Maintenance
• Title（参考訳）: 粒子フィルタの多様性維持のためのアンセトリーツリークラスタリング
• Authors: Ilari Vallivaara, Bingnan Duan, Yinhuan Dong, Tughrul Arslan,
• Abstract要約: 粒子フィルタリングにおける線形時間多様性維持手法を提案する。 系統樹のトポロジーに基づいて粒子をクラスターし、十分に大きなサブツリーの密接な関連粒子をまとめる。 我々は,マルチモーダルロボットシミュレーションと実世界のマルチモーダル屋内環境におけるアプローチを検証する。
• 参考スコア（独自算出の注目度）: 1.6575547793524217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a method for linear-time diversity maintenance in particle filtering. It clusters particles based on ancestry tree topology: closely related particles in sufficiently large subtrees are grouped together. The main idea is that the tree structure implicitly encodes similarity without the need for spatial or other domain-specific metrics. This approach, when combined with intra-cluster fitness sharing and the protection of particles not included in a cluster, effectively prevents premature convergence in multimodal environments while maintaining estimate compactness. We validate our approach in a multimodal robotics simulation and a real-world multimodal indoor environment. We compare the performance to several diversity maintenance algorithms from the literature, including Deterministic Resampling and Particle Gaussian Mixtures. Our algorithm achieves high success rates with little to no negative effect on compactness, showing particular robustness to different domains and challenging initial conditions.
• Abstract（参考訳）: 粒子フィルタリングにおける線形時間多様性維持手法を提案する。 系統樹のトポロジーに基づいて粒子をクラスターし、十分に大きなサブツリーの密接な関連粒子をまとめる。 主な考え方は、木構造が空間的または他のドメイン固有のメトリクスを必要とせずに、暗黙的に類似性を符号化するということである。 クラスタ内適合度共有とクラスタに含まれない粒子の保護を組み合わせることで、推定コンパクト性を維持しながら、マルチモーダル環境における早期収束を効果的に防止できる。 我々は,マルチモーダルロボットシミュレーションと実世界のマルチモーダル屋内環境におけるアプローチを検証する。 本稿では,本論文の多様性維持アルゴリズムと,決定論的サンプリングや粒子ガウス混合などを比較した。 提案アルゴリズムは, 圧縮性に悪影響を及ぼすことなく高い成功率を達成し, 異なる領域に対して特に堅牢性を示し, 初期条件に挑戦する。

関連論文リスト

• kFuse: A novel density based agglomerative clustering [9.061140802902514]
  本稿では,kFuseと呼ばれる密度に基づく凝集クラスタリング手法を提案する。 kFuse は,(1) 自然近傍におけるサブクラスタ分割,(2) 隣接するサンプルと最短距離の計算によるサブクラスタ間の境界接続の決定,(3) 平均密度と分散の計算によるサブクラスタ間の密度類似性の評価,の4つの重要な構成要素から構成される。 合成と実世界の両方のデータセットの実験結果から、kFuseの有効性が検証された。
  論文  参考訳（メタデータ） (2025-05-09T03:11:04Z)
• Hyperbolic Fuzzy C-Means with Adaptive Weight-based Filtering for Efficient Clustering [14.904264782690639]
  Fuzzy $C$-Means (FCM) アルゴリズムは、非ユークリッド空間において顕著な制限を示す。 HypeFCMはファジィクラスタリングの原理と双曲幾何学を統合する。 HypeFCMは、非ユークリッド環境で従来のファジィクラスタリング法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-05-07T11:32:53Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• GBMST: An Efficient Minimum Spanning Tree Clustering Based on Granular-Ball Computing [78.92205914422925]
  多粒度グラニュラバルと最小スパンニングツリー(MST)を組み合わせたクラスタリングアルゴリズムを提案する。 粒度が粗い粒状ボールを構築し,さらに粒状ボールとMSTを用いて「大規模優先度」に基づくクラスタリング手法を実装した。 いくつかのデータセットの実験結果は、アルゴリズムの威力を示している。
  論文  参考訳（メタデータ） (2023-03-02T09:04:35Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
  本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。 本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
  論文  参考訳（メタデータ） (2022-05-17T01:41:06Z)
• Recovery Guarantees for Kernel-based Clustering under Non-parametric Mixture Models [26.847612684502998]
  非パラメトリック混合モデルに基づくカーネルベースのクラスタリングアルゴリズムの統計的性能について検討する。 我々は、カーネルベースのデータクラスタリングとカーネル密度ベースのクラスタリングの間に重要な等価性を確立する。
  論文  参考訳（メタデータ） (2021-10-18T17:23:54Z)
• Outlier-Robust Clustering of Non-Spherical Mixtures [5.863264019032882]
  統計的に分離されたd-次元ガウスアン(k-GMM)の混合をクラスタリングするための最初のアウトリー・ローバストアルゴリズムを与える。 この結果は、$d$次元単位球面上の均一分布の任意のアフィン変換のクラスタリング混合に拡張される。
  論文  参考訳（メタデータ） (2020-05-06T17:24:27Z)
• Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
  ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。 この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。 得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
  論文  参考訳（メタデータ） (2020-01-15T23:10:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。