一种基于机器学的触觉信息分类计算建模方法

摘要

一种基于机器学的触觉信息分类计算建模方法，获取训练集样本的触觉序列，使用线性动态系统模型建模提取子触觉序列的动态特征，使用马丁距离计算子触觉序列的动态特征之间的距离，使用K‑中心点算法对马丁矩阵进行聚类构建码书，使用码书对每组触觉序列进行表征，得到系统包模型，将训练集样本的系统包模型和训练集样本标签一起送入极限学机中训练分类器，将待分类样本的系统包模型送入分类器得到物体类型的标签。本发明解决了机器人对非合作目标稳定、柔顺抓取的实际需求，为精细操作任务的完成提供数据基础，并可与其它传感结果融合计算，从而通过多源深度感知增强对不同目标物的描述和辨识能力，为智能操控的实施奠定技术基础。

主权项

一种基于机器学习的触觉信息分类计算建模方法，其特征在于，包含以下步骤：步骤S1、利用触觉传感器获取训练集样本的触觉序列；步骤S2、将每组触觉序列合并为子触觉序列，使用线性动态系统模型对每组子触觉序列进行建模，分别提取子触觉序列的动态特征；步骤S3、使用马丁距离作为量度计算子触觉序列的动态特征之间的距离，获得马丁矩阵；步骤S4、使用K‑中心点算法对马丁矩阵进行聚类，构建码书；步骤S5、使用码书对每组触觉序列进行表征，得到外部特征为直方图的系统包模型；步骤S6、将训练集样本的系统包模型和训练集样本标签一起送入极限学习机中训练分类器；步骤S7、利用触觉传感器获取待分类样本的触觉序列，对待分类样本的触觉序列按照步骤S2～步骤S5的方法进行处理，获得待分类样本的系统包模型；步骤S8、将待分类样本的系统包模型送入步骤S6获得的分类器中，即可得到物体类型的标签。