基于主動學習SVM的智能車輛障礙物檢測.pdf

1、現(xiàn)有的多數智能車輛主要靠人工調節(jié)感知系統(tǒng)，這使得它們難以適應新的任務和環(huán)境。監(jiān)督學習算法可以自動調節(jié)復雜感知系統(tǒng)的可變參數，提供了一個切實可行的解決這類問題的途徑，因此在機器人感知領域得到了廣泛關注。 針對智能車輛領域的障礙物檢測問題，本文采用支持向量機方法，它是基于分類問題而提出的一種機器學習方法，在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，而且其推廣能力明顯優(yōu)于一些傳統(tǒng)的學習方法。 在智能車輛系統(tǒng)的

2、分類問題中，使用監(jiān)督學習算法必須提供標記數據進行訓練學習，而大規(guī)模的戶外機器人系統(tǒng)在實際應用中，需要學習大量的標記樣本，因此標注這些數據是一個必須的工作。由于評價、標注樣本的類別需要花費很多的時間，這使得在機器人感知問題中直接應用機器學習的算法是不切實際的。 針對這種情況，本文在對傳統(tǒng)支持向量機算法進行研究的基礎上引入了主動學習方法。主動學習可以主動選擇最有利于提高分類器性能的樣本進一步設計分類器，從而有效減少所需訓練樣本的數量