面向机器人视觉识别的近似支持向量机集成方法研究.pdf

《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