欢迎来到天天文库
浏览记录
ID:52273622
大小:220.38 KB
页数:3页
时间:2020-03-26
《面向机器人视觉识别的近似支持向量机集成方法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、静j誓羹海毫≈≥封舞面向机器人视觉识别的近似支持巷备叠≤向量机集成方法研究警渐:0叠≮■10■0张永红,陶晓燕,韩仲祥(1.西北工业大学机电学院,陕西西安710072;2.空军工程大学电讯工程学院,陕西西安710077)ResearchonPSVMEnsembleAlgorithmBasedonReliefF)ObjecttoRobotZHANGYong—hong。TAOXiao—yah。.HANZhong—xiangz(1.SchoolofMechanicalEngineering,NorthwesternPolytechniealUniver
2、sity.Xi’an710072.China;2.TelecommunicationEngineeringInstitute,AirForceEngineeringUniversity,Xian710077,China)摘要:提出了一种基于Relief(F)的近似支持向数灾难和局部极小等非常棘手的问题,尤其是在小量机(PSVM)集成算法。该方法首先在原有的Ps—样本条件下,仍然具有良好的泛化能力,已成为模式VM集成方法中引入基于Relief(F)算法的特征扰识别、函数回归等领域一个最有力的处理方法u]。动,以产生具有较大差异性的集成个体,然后应用
3、多然而,标准SVM存在训练时间长的问题,为此,人数投票法进行集成得到分类结果。们提出了许多方法,其中一类称为变异SVM算法,关键词:Relief(F)算法;近似支持向量机;机器在这类方法中,Fung与MangasarianL2]提出的近似人,支持向量机(PSVM)更引起了人们的极大兴趣和关中图分类号:TP391.4注,并已在某些领域得到了应用。但是同标准SVM文献标识码:A相比,这种方法的识别率有所下降。为了克服这个文章编号:1001—2257(2010)03—0003一O3问题,应用集成学习方法和Relief(F)算法,通过将Abstract:
4、Anefficientproximalsupportvector特征扰动和数据扰动结合起来,提高了分类的正确machine(PSVM)ensemblealgorithmbasedon率和机器人的视觉识别能力。Relief(F)isproposedinthispaper.Firstly,thelea—1近似支持向量机tureperturbationbasedontheRelief(F)algorithmisintroducedintotheoriginalPSVMensemblePSVM是Mangasarian等人从最优化理论的角methodtoc
5、reatethecomponentlearnerswithhigh度出发提出的一种变异的SVM,采用迭代算法求解diversity.Thentheresultsaregottenbythemajor—线性方程组,避免了求解复杂的凸二次规划问题,从ityvoting.而使学习速度大幅度降低。Keywords:relief(F)algorithm;proximalsup—假设一个n一维实空间R”中m个点的2类分portvectormachine;robot类问题,用矩阵A一表示该训练集。给定参数>0,线性PSVM求解优化问题:11min寺llYIl+
6、寺(训砌+y2)0引言(,y,曲∈十十厶厶S.tD(A叫一e7)+Y—e(1)在机器人领域中,机器人视觉的处理方法一直e为单位向量;Y为误差变量;D为m×m对角是备受关注的。由统计学习理论中的结构风险最小阵,对角线元素取+1时,对应点为点集A+中的元归纳原理而提出的SVM方法,利用再生核以及内素,取一l时,对应点集A一中的元素,并且《优。积理论,能有效地避免经典学习方法中的过学习、维如图1所示,这时分类平面不再是边界平面,而是收稿日期:2009—1O一09“近似”平面,且尽可能地远离异类样本。用KKT基金项目:国家自然科学基金资助项目(2004C
7、G050002);国家“八六三”计划资助项目(2007AA04Z207)最优充要条件,经过求解得到最后的决策函数为:《机械与电子}2010(3)·3‘r>0则z∈A+据。Relief特征选择算法最早是由Kira和Rendellz叫一8、表示为:w一w-diff(,.7C,H)/+d(户,,27,M)/(3)w是各个特征的权值向量;diff(P,Jt,J2)表示样本J和J
8、表示为:w一w-diff(,.7C,H)/+d(户,,27,M)/(3)w是各个特征的权值向量;diff(P,Jt,J2)表示样本J和J
此文档下载收益归作者所有