基于增量式双向主成分分析的机器人感知学习方法研究

• 作者: 刘军 张明路 王肖锋
• 来源期刊: 电子与信息学报
• 学科: 工学
• 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
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 论文
• 页码范围: 618-625
• 页数: 8页
• 分类号: TP391.41
• 字数: 5054字
• 语种: 中文
• DOI: 10.11999/JEIT170561

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明路	河北工业大学机械工程学院	162	1528	20.0	33.0
2	王肖锋	河北工业大学机械工程学院	14	33	3.0	5.0
4	刘军		9	31	3.0	5.0