基于SVM的机器人工件识别

• 作者: 蒋静坪 龙晓林
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 数据融合 目标识别
• 年，卷（期）: 2005,（2）
• 页码范围: 41-43
• 页数: 3页
• 分类号: TP242
• 字数: 2479字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4512.2005.02.014

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"one-against-all"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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋静坪	浙江大学电气工程学院	168	3460	31.0	52.0
2	龙晓林	浙江大学电气工程学院	3	63	3.0	3.0