-
题名基于增量式双向主成分分析的机器人感知学习方法研究
被引量：15
- 1
-
-
作者
王肖锋
张明路
刘军
-
机构
河北工业大学机械工程学院
天津市先进机电系统设计与智能控制重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第3期618-625,共8页
-
基金
国家自然科学基金(61503119
61473113)
+2 种基金
天津市自然科学基金(15JCYBJC19800
16JCZDJC30400)
天津市智能制造科技重大专项(15ZXZNGX00090)~~
-
文摘
针对直观协方差无关增量式主成分分析算法(CCIPCA)需要满足零均值高斯分布的问题,该文提出含均值差向量更新的泛化CCIPCA算法(GCCIPCA),拓展了算法的适用范围。其次,针对机器人感知学习存在的在线增量计算及有效数据降维等问题,将GCCIPCA的增量思想引入到现有的双向主成分分析算法(BDPCA),提出基于增量式BDPCA(IBDPCA)的机器人感知学习方法。该方法直接针对图像矩阵行列方向的类散度矩阵进行迭代估计,具有一定的泛化能力和快速的增量学习能力,提高了实时处理速度。最后,以机器人待抓取物块作为感知对象进行实验,结果表明所提算法能够满足机器人感知学习的实时处理需求,相比现有的增量式主成分分析算法,在收敛率、分类识别率、计算时间及所需内存等性能方面均得到显著提升。
-
关键词
机器人感知学习
增量学习
数据降维
直观协方差无关增量式主成分分析
双向主成分分析
-
Keywords
Robot perceptual learning
Incremental learning
Dimension reduction
Candid Covariance-freeIncremental pca （CCIpca）
bi-directional pca （bdpca）
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
