多分類主動(dòng)學(xué)習(xí)方法在地表分類中的應(yīng)用.pdf

1、移動(dòng)機(jī)器人在野外環(huán)境的感知能力對(duì)其導(dǎo)航起著重要作用，其中地表分類是感知系統(tǒng)中的重要組成部分。機(jī)器學(xué)習(xí)方法在機(jī)器人感知領(lǐng)域中有著廣泛的應(yīng)用，然而傳統(tǒng)的監(jiān)督學(xué)習(xí)需要訓(xùn)練大量的標(biāo)記樣本，對(duì)野外環(huán)境采集到的龐大的圖像數(shù)據(jù)進(jìn)行標(biāo)記，是很耗時(shí)費(fèi)力的，代價(jià)也很大。本文通過引入主動(dòng)學(xué)習(xí)機(jī)制來(lái)解決該問題。地表分類是一個(gè)多分類問題，第一種解決方法是直接將解決兩類問題的算法擴(kuò)展到多類問題中，第二種方法是將多類問題分解成多個(gè)兩類問題。
　　 本文將主動(dòng)

2、學(xué)習(xí)和多分類方法結(jié)合起來(lái)解決地表分類問題。在generalizedBradley-Terry(GBT)模型的基礎(chǔ)上，引入主動(dòng)學(xué)習(xí)機(jī)制來(lái)解決多分類問題，實(shí)現(xiàn)了基于GBT模型的不確定性多分類主動(dòng)學(xué)習(xí)算法。該算法中使用的多分類方法有“一對(duì)一”，“一對(duì)多”，“dense ECOC”和“sparse ECOC”四種分解方法，并用編碼矩陣表示。
　　 最后，在模擬數(shù)據(jù)集和地表數(shù)據(jù)集上進(jìn)行了主動(dòng)學(xué)習(xí)和監(jiān)督學(xué)習(xí)的對(duì)比實(shí)驗(yàn)，驗(yàn)證了在達(dá)到相同準(zhǔn)確率