一种用于标签不足情况的机器人地形分类器训练方法

摘要

本发明公开了一种用于标签不足情况的机器人地形分类器训练方法，该方法首先利用有标注的加速度序列段，采用快速傅里叶变换对其进行特征提取，并分别训练初始的支持向量机、随机森林、朴素贝叶斯模型，然后将未标注样本分别输入初始分类器，并将三个模型的输出预测结果相同的样本加入到有标注样本集中，重复进行以上操作，直至达到预先设定的迭代次数阈值。最终得到的三个分类器即作为机器人实际工作过程中进行地形种类识别的模型，对三个分类器的输出使用投票法确定最终的地形种类。这种方法不依赖外界交互、自动地利用未标注样本来提升学习性能，大大降低了训练数据标注所需代价。