基于主動學(xué)習(xí)SVM的智能車輛障礙物檢測.pdf

1、現(xiàn)有的多數(shù)智能車輛主要靠人工調(diào)節(jié)感知系統(tǒng)，這使得它們難以適應(yīng)新的任務(wù)和環(huán)境。監(jiān)督學(xué)習(xí)算法可以自動調(diào)節(jié)復(fù)雜感知系統(tǒng)的可變參數(shù)，提供了一個切實可行的解決這類問題的途徑，因此在機(jī)器人感知領(lǐng)域得到了廣泛關(guān)注。 針對智能車輛領(lǐng)域的障礙物檢測問題，本文采用支持向量機(jī)方法，它是基于分類問題而提出的一種機(jī)器學(xué)習(xí)方法，在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，而且其推廣能力明顯優(yōu)于一些傳統(tǒng)的學(xué)習(xí)方法。 在智能車輛系統(tǒng)的

2、分類問題中，使用監(jiān)督學(xué)習(xí)算法必須提供標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)，而大規(guī)模的戶外機(jī)器人系統(tǒng)在實際應(yīng)用中，需要學(xué)習(xí)大量的標(biāo)記樣本，因此標(biāo)注這些數(shù)據(jù)是一個必須的工作。由于評價、標(biāo)注樣本的類別需要花費很多的時間，這使得在機(jī)器人感知問題中直接應(yīng)用機(jī)器學(xué)習(xí)的算法是不切實際的。 針對這種情況，本文在對傳統(tǒng)支持向量機(jī)算法進(jìn)行研究的基礎(chǔ)上引入了主動學(xué)習(xí)方法。主動學(xué)習(xí)可以主動選擇最有利于提高分類器性能的樣本進(jìn)一步設(shè)計分類器，從而有效減少所需訓(xùn)練樣本的數(shù)量