[發(fā)明專利]一種主動學(xué)習(xí)樣本選取方法、系統(tǒng)及計(jì)算機(jī)可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011003427.9
• 申請日: 2020-09-22
• 公開（公告）號: CN112101263B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 呂文君;康宇;昌吉;許婷;李婧;李澤瑞
• 申請（專利權(quán)）人: 中國科學(xué)技術(shù)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N20/00
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 汪貴艷

本發(fā)明公開了一種主動學(xué)習(xí)樣本選取方法，通過數(shù)據(jù)收集、系統(tǒng)初始化、生成隱藏層輸出矩陣、基分類器交叉優(yōu)化、在滿足一定判定條件后做出對目標(biāo)域樣本的選擇。基于該方法本發(fā)明又公開了一種主動學(xué)習(xí)的樣本選取系統(tǒng)以及對應(yīng)的計(jì)算機(jī)可讀存儲介質(zhì)。相較于已有的技術(shù)，本發(fā)明公開的技術(shù)方案所選取的目標(biāo)樣本更加分散在數(shù)據(jù)分類界面處，能夠進(jìn)一步提升主動學(xué)習(xí)的效率、以及分類器的泛化性能，特別適用于解決例如基于振動信號的機(jī)器人地面分類、基于測井曲線的巖性識別、基于超光譜的遙感圖像處理等標(biāo)簽較為昂貴的任務(wù)。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理領(lǐng)域，具體涉及一種主動學(xué)習(xí)樣本選取方法、系統(tǒng)及計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

信息分類是信息處理、模式識別領(lǐng)域中一個(gè)非常重要的問題，分類方法的研究已成為當(dāng)前研究的熱門。各分類方法實(shí)現(xiàn)分類的關(guān)鍵問題是基于已標(biāo)注的樣本訓(xùn)練具有較高分類準(zhǔn)確率的分類器。目前使用一些傳統(tǒng)的監(jiān)督學(xué)習(xí)方法做分類的時(shí)候，往往是訓(xùn)練樣本規(guī)模越大，分類的效果就越好。但是在現(xiàn)實(shí)生活的很多場景中，標(biāo)記樣本的獲取是比較困難的，這需要領(lǐng)域內(nèi)的專家來進(jìn)行人工標(biāo)注，所花費(fèi)的時(shí)間成本和經(jīng)濟(jì)成本都是很大的。因此。為了在盡可能小的標(biāo)注代價(jià)下獲取較高的分類準(zhǔn)確率，現(xiàn)提出一種主動學(xué)習(xí)分類方法，其從原始的未標(biāo)注樣本集中篩選樣本，且需篩選出對訓(xùn)練的分類器而言信息含量較高的樣本進(jìn)行標(biāo)注。

主動學(xué)習(xí)方法一般可以分為兩部分：學(xué)習(xí)引擎和選擇引擎。其中學(xué)習(xí)引擎維護(hù)一個(gè)基準(zhǔn)分類器，并使用監(jiān)督學(xué)習(xí)算法對系統(tǒng)提供的已標(biāo)注樣例進(jìn)行學(xué)習(xí)從而使該分類器的性能提高；而選擇引擎負(fù)責(zé)運(yùn)行樣本選擇算法，選擇一個(gè)未標(biāo)注的樣例并將其交由人類專家進(jìn)行標(biāo)注，再將標(biāo)注后的樣本加入到已標(biāo)注樣例集中。故主動學(xué)習(xí)的關(guān)鍵在于如何主動地選取樣本并推薦給專家進(jìn)行標(biāo)注，進(jìn)而能夠以較小的標(biāo)注代價(jià)實(shí)現(xiàn)高性能分類器的訓(xùn)練。

機(jī)器人在自主導(dǎo)航的過程中，必須具備感知通過的路面類別信息從而穩(wěn)定安全地穿越未知地面的能力。所以機(jī)器人利用其機(jī)載傳感器(振動、觸覺、視覺、聽覺等)感知地面數(shù)據(jù)，并將這些數(shù)據(jù)輸入到一個(gè)訓(xùn)練好的分類器中以獲取當(dāng)前移動地面的類型(草地、水泥地等)。機(jī)器人地面分類有助于機(jī)器人避險(xiǎn)、路徑規(guī)劃、航跡推算、姿態(tài)控制等，已經(jīng)成為自主化機(jī)器人的一個(gè)核心功能。專利CN202010105923.9公開了一種路面特征聚類分析的機(jī)器人速度自適應(yīng)控制方法，在復(fù)雜路面情況下，基于姿態(tài)傳感器獲取的運(yùn)動中機(jī)器人本體垂直方向的振動加速度信號，采用聚類算法完成對路面信息的聚類分析，獲得地面類型所處類別的概率，同時(shí)通過獲取分析機(jī)器人本體的俯仰角信號，對機(jī)器人所處的路面坡度進(jìn)行分類，最終通過決策完成對機(jī)器人的自適應(yīng)速度控制。其根據(jù)機(jī)器人本體的垂直方向振動加速度以及機(jī)器人所處路面的坡度實(shí)現(xiàn)機(jī)器人運(yùn)動速度的自適應(yīng)控制，在保證機(jī)器人運(yùn)動的穩(wěn)定性的前提下實(shí)現(xiàn)了機(jī)器人運(yùn)動的高效性，提高了機(jī)器人運(yùn)動控制的總體性能。類似研究較多，例如CN201910254116.0、CN201811118835.1等。

然而，目前現(xiàn)有的機(jī)器人地面分類領(lǐng)域幾乎沒有涉及到主動學(xué)習(xí)，這意味著機(jī)器人地面分類模型的訓(xùn)練需要依賴大量的人工標(biāo)注；另外，已有的主動學(xué)習(xí)方法大多是基于單分類器的，因此其預(yù)測樣本不確定性的度量就存在一定的盲區(qū)，某些關(guān)鍵樣本往往無法覆蓋，降低了選取樣本的整體價(jià)值。因此，現(xiàn)有的主動學(xué)習(xí)算法的精度還有提升的空間，其在機(jī)器人地面分類的應(yīng)用也能得到進(jìn)一步的加強(qiáng)。

發(fā)明內(nèi)容

本發(fā)明的發(fā)明目的是提供一種主動學(xué)習(xí)樣本選取方法、系統(tǒng)及計(jì)算機(jī)可讀存儲介質(zhì)。使選取的目標(biāo)樣本更加分散在數(shù)據(jù)分類界面處，以進(jìn)一步提升主動學(xué)習(xí)的效率、以及分類器的泛化性能。

具體的技術(shù)方案如下：

一種主動學(xué)習(xí)樣本選取方法，其包括以下步驟：

(1)數(shù)據(jù)收集：