面向机器人视觉识别近似支持向量机集成方法研究.pdfVIP

面向机器人视觉识别的近似支持 向量机集成方法研究 1 2 2 , , ( 1. , 710072; 2. , 710077) Research on PSVM Ensemble Algorithm Base on Relief(F) Object to Robot 1 2 2 ZHANG Yong2hong , TAO Xiao2yan , HAN Zhong2xiang ( 1. School of Mechanical Engineering, Northwest ern Polytechnical University,Xiøan 710072, China; 2. Telecommunication Engineering Institute,Air Force Engineering University, Xiøan 710077, China) : Relief(F) 数灾难和局部极小等非常棘手的问题, 尤其是在小 ( PSVM) . PS2 样本条件下, 仍然具有良好的泛化能力, 已成为模式 [ 1] VM Relief( F) 识别、函数回归等领域一个最有力的处理方法 . 然 , , 而, 标准SVM 存在训练时间长的问题, 为此, 人们 . 提出了许多方法, 其中一类称为变异 SVM 算法, 在 :Relief( F) 算法;近似支持向量机; 机器 这类方法中, Fung 与Mangasarian[2] 提出的近似支 人 持向量机( PSVM) 更引起了人们的极大兴趣和关 :TP391. 4 注, 并已在某些领域得到了应用. 但是同标准 SVM :A 相比, 这种方法的识别率有所下降. 为了克服这个问 : 100122257(2010) 0320003203 题, 应用集成学习方法和Relief( F) 算法, 通过将特 Abstract:An efficient proximal support vector 征扰动和数据扰动结合起来, 提高了分类的正确率 machine ( PSVM ) ensemble algorithm base on 和机器人的视觉识别能力. Relief( F) is propose in this paper. Firstly, the fea2 1 近似支持向量机 ture perturbation base on the Relief( F) algorithm is intro uce into the original PSVM ensemble PSVM 是Mangasarian 等人从最优化理论的角 metho to cr eate the component learners with high 度出发提出的一种变异的SVM, 采用迭代算法求解 iversity. Then the results are gotten by the major2 线性方程组, 避免了求解复杂的凸二次规划问题, 从 ity voting.