本发明公开了一种基于SVM与强化学习的室内场景识别方法,该方法包括以下步骤:(1)室内场景采集数据,训练一个能够进行室内场景分类的SVM分类器N
s;(2)进行多次室内场景主动识别实验,在实验过程中,训练一个拟合强化学习值函数的强化学习神经网络,将该网络命名为决策网络N
Q,决策网络N
Q通过N
s判别分类结果优劣;(3)完成决策网络N
Q的训练后,采用决策网络N
Q根据激光测距传感器当前获取的房间激光测距信息,对机器人动作做出决策并执行动作,执行动作后再次采集激光测距传感器信息输入到N
Q中,如此重复三次,将三次所得结果进行融合得到最终分类结果。该方法将激光测距信息转化为场景轮廓图环投影信息用SVM进行场景识别,减少了运算量,提高场景识别正确率。
声明:
“基于SVM与强化学习的室内场景识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)