基于AUC优化的非线性主动学习算法及其在障碍物检测中的应用

• 作者: 胡雪蕾 赵春霞 韩光
• 来源期刊: 机器人
• 关键词: 障碍物检测 主动学习 AUC优化 非线性分类器 梯度下降法
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 344-351
• 分类号: TP24|TP18
• 语种: 中文
• DOI: 10.3724/SP.J.1218.2010.00344

摘要

针对障碍物检测中因样本量过大而造成的标记困难以及样本分布不均衡等问题,提出了一种摹于AUC优化的非线性主动学习算法.该算法的计算处理过程是:首先利用基于AUC优化的算法在训练集上对非线性分类器进行训练;然后利用已训练好的分类器对所有未标记样本进行分类;接着利用基于AUC优化的样本选择函数计算分类后的样本的得分;最后算法根据分值大小选出最有信息量样本,并且专家根据该样本所在的图像及在图像中位置对其进行标记并放入训练集中.重复上述过程,直到AUC收敛为止.在户外环境图像库上进行了实验,结果表明:该算法能显著减小数据标记的工作量,并能解决因样本分布不平衡而引起的次优解问题,与已有主动学习算法相比性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵春霞	南京理工大学计算机科学与技术学院	177	2193	25.0	36.0
2	韩光	南京理工大学计算机科学与技术学院	9	79	4.0	8.0
3	胡雪蕾	南京理工大学计算机科学与技术学院	11	149	6.0	11.0