多分类主动学习方法在地表分类中的应用.pdfVIP

硕士：论文 多分类_t动学习方111111IIIIIIII Y1918978 摘 要 移动机器人在野外环境的感知能力对其导航起着重要作用，其中地表分类是感知系 统中的重要组成部分。机器学习方法在机器人感知领域中有着广泛的应用，然而传统的 监督学习需要训练大量的标记样本，对野外环境采集到的庞大的图像数据进行标记，是 很耗时费力的，代价也很大。本文通过引入主动学习机制来解决该问题。地表分类是一 个多分类问题，第一种解决方法是直接将解决两类问题的算法扩展到多类问题中，第二 种方法是将多类问题分解成多个两类问题。 于GBT模型的不确定性多分类乇动学习算法。该算法中使用的多分类方法有“一对一， “一对多999“dense ECOC四种分解方法，并用编码矩阵表示。 ECOC和“sparse 最后，在模拟数据集和地表数据集上进行了主动学习和监督学习的对比实验，验证 了在达到相同准确率时主动学习比监督学习需要更少的标记样本，从而降