基于LS-SVM目標(biāo)識(shí)別的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩62頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、自主移動(dòng)機(jī)器人是當(dāng)前機(jī)器人研究的一個(gè)熱點(diǎn),機(jī)器人感知外界環(huán)境的重要的手段之一是機(jī)器人的視覺系統(tǒng)。機(jī)器人視覺主要是對(duì)獲得的目標(biāo)圖像進(jìn)行分類識(shí)別,圖像識(shí)別是模式識(shí)別的一個(gè)方面。在模式識(shí)別領(lǐng)域中,支撐矢量機(jī)作為一種新的理論已經(jīng)吸引了很多的學(xué)者進(jìn)行研究,在模式分類應(yīng)用中取得了巨大的成功。支撐矢量機(jī)在模式識(shí)別時(shí)主要是進(jìn)行樣本間的點(diǎn)積運(yùn)算,因此對(duì)于高維樣本的處理非常有效,這就為我們用基于表象的方法完成目標(biāo)圖像識(shí)別提供了方便。 基于表象(as

2、pect-based)的圖像識(shí)別方法是把待識(shí)別圖像的每一個(gè)象素點(diǎn)作為訓(xùn)練樣本的一維,因此這種方法中樣本的維數(shù)是相當(dāng)高的。傳統(tǒng)的支撐矢量機(jī)在訓(xùn)練時(shí)要進(jìn)行凸二次規(guī)劃,因此對(duì)高維樣本訓(xùn)練時(shí)就要求很大的存儲(chǔ)空間而且消耗很長(zhǎng)的運(yùn)算時(shí)間,因此我們結(jié)合改進(jìn)的支撐矢量機(jī)版本——最小二乘支撐矢量機(jī)——來進(jìn)行基于表象的目標(biāo)圖像識(shí)別。最小二乘支撐矢量機(jī)(1)以等式約束代替不等式約束,計(jì)算簡(jiǎn)單,效率高; (2)所需的存儲(chǔ)空間明顯小于計(jì)算標(biāo)準(zhǔn)支撐矢量機(jī)時(shí)所需的存

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論