在线主动学习在环境感知中的应用研究

《在线主动学习在环境感知中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。捌7年3月矽日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。o过oil年多

2、月／罗日硕上论文111111IIIi11111111111111111111I

3、Y1918948在线主动予爿仕外观感知[尸阴凡州研究摘要随着机器学习理论的不断发展进步，应用机器学习技术解决智能车辆系统的环境感知问题成为人们研究的热点。障碍物检测是环境感知的重要组成部分。传统监督学习方法借助大量预先标注的样本获得分类器来处理障碍物检测问题，已经取得许多成果，但也存在～些难点。例如，降低标注大量末标记样本的代价，提高分类器的泛化能力，降低处理问题的时间和内存消耗，等。本文研究了在在线学习算法on．1ineLASVM的前提下，加入

4、主动学习机制来处理障碍物检测问题的方法，实现了在线丰动学习算法on—lineactiveLASVM。on—lineLASVM是一种行之有效的在线学习算法，其在时间和空间性能上优于经典的离线式学习算法。主动学习机制能够选择拥有最大信息价值的样本，能够学习较少的样本却得到较高的分类性能。将在线学习和主动学习结合在一起的on．1ineactiveLASVM算法，能够减少手工标记样本的成本，降低处理问题的时间、空间消耗，同时获得分类泛化能力较高的分类器，可以高效的处理智能车辆系统行进过程中的障碍物检测问题。关键词：环境感知，障碍物检

5、测，在线学习，主动学习AbstractWiththerapiddevelopmentofMachineLearningtheory，environmentalpercepnonusingMac_hineLearninghasbeenfocusedonyearbyyear．Oneofthemostimportantpartsofe11vironmentalperceptionisobstacledetection．Thetraditionalsupervisedlearningneedslotsof仃ainingsamples

6、togetahighaccuracyclassifierdealingwithobstacledetection，andithasarchivedalot．But，itstillhassomedisadvantages．Forexample，itcostsalotforhumantolabelthelargenumberofunlabeleddata,improvetheclassifier’sgeneralizationperformance，reduceprocessingtimeandmemoryconsumption

7、，andSOon·Inthispaper,weproposeanalgorithmcalled011-lineactiveLASVM，whichcombinesac畦velearningmechanismwithon-linelearningmethod—LASVM，todealwithobstacledetccting．On．1ineLASVMisanefficienton—linelearningmethod，itperformsbetterintimeandspacethantheclassicaloff-linele

8、arningalgorithm．ActivelearningtechniquesCallseIectthemostinf．o珊ativeinstancefortheclassifier’Slearning，andfinallyenhancetheclassifier’sperf．omlancewithf．ewerlabels．AUinall，theon—lineactiveLASVMCanreducethecostofartificiallabeling，makeanimprovementintimeandmemorycon

9、sumptionandoptimizetheclassifier，sgeneralizationcapacity,it’seffectiveforobstacledetectingtask·Keyword：environmentalperception，obstacledetection，