| 基于SVM的机器人工件识别 |
| |
| 引用本文： | 龙晓林,蒋静坪. 基于SVM的机器人工件识别[J]. 华中科技大学学报(自然科学版), 2005, 33(2): 41-43 |
| |
| 作者姓名： | 龙晓林 蒋静坪 |
| |
| 作者单位： | 浙江大学,电气工程学院,浙江,杭州,310027;武汉理工大学,自动化学院,湖北,武汉,430027;浙江大学,电气工程学院,浙江,杭州,310027 |
| |
| 基金项目： | 国防预研基金资助项目(00J16.6.3.JW0401). |
| |
| 摘 要： | 支持向量机(SVM)是一种崭新的机器学习方法,建立在结构风险最小化原理基础上,寻找一个最优分类超平面,引进核函数将低维空间向量映射到高维空间.此方法能解决小样本、非线性及高维模式识别中的问题.鉴于此,将SVM应用于多传感器信息融合,并针对多类型目标识别问题,采用“oneagainstall”方法构造多元分类器.实验中比较了采用不同核函数构造的SVM的分类效果,结果表明SVM具有较高的识别率,其中三项多项式核函数构造的SVM的识别率最高,可达到93.2%.另外,还比较了单传感器和多传感器融合的识别结果,单传感器的识别率只有63.7%,大大低于多传感器融合的识别率.
|
| 关 键 词： | 支持向量机 数据融合 目标识别 |
| 文章编号： | 1671-4512(2005)02-0041-03 |
| 修稿时间： | 2004-06-04 |
Recognition of target by robots based on support vector machine |
| |
| Long Xiaolin,Jiang Jingping. Recognition of target by robots based on support vector machine[J]. JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY.NATURE SCIENCE, 2005, 33(2): 41-43 |
| |
| Authors: | Long Xiaolin Jiang Jingping |
| |
| Affiliation: | Long Xiaolin Jiang Jingping Doctoral Candidate, College of Electrical Engineering,Zhejiang University,Hangzhou 310027,China. |
| |
| Abstract: | |
| |
| Keywords: | support vector machine data fusion target recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
