智能车制作

标题: 关于将机器学习算法用于智能车上实现的可行性 [打印本页]

作者: guolei123 时间: 2013-3-17 09:15
标题: 关于将机器学习算法用于智能车上实现的可行性
想将目前在机器学习的领域当中应用比较普遍的贝叶斯算法用于智能车中，朴素贝叶斯算法的定义是：设每个数据样本用一个n维特征向量来描述n个属性的值，即：X={x1，x2，…，xn}，假定有m个类，分别用C1, C2,…，Cm表示。给定一个未知的数据样本X（即没有类标号），若朴素贝叶斯分类法将未知的样本X分配给类Ci，则一定是P(Ci|X)>P(Cj|X) 1≤j≤m，j≠i，根据贝叶斯定理：由于P(X)对于所有类为常数，最大化后验概率P(Ci|X)可转化为最大化先验概率P(X|Ci)P(Ci)。如果训练数据集有许多属性和元组，计算P(X|Ci)的开销可能非常大，为此，通常假设各属性的取值互相独立，这样先验概率P(x1|Ci)，P(x2|Ci)，…，P(xn|Ci)可以从训练数据集求得。根据此方法，对一个未知类别的样本X，可以先分别计算出X属于每一个类别Ci的概率P(X|Ci)P(Ci)，然后选择其中概率最大的类别作为其类别。
朴素贝叶斯算法成立的前提是各属性之间互相独立。当数据集满足这种独立性假设时,分类的准确度较高，否则可能较低。另外，该算法没有分类规则输出。因此可以根据此定义，写出赛道学习识别的的算法的思路：（见下一层）

作者: guolei123 时间: 2013-3-17 09:15
本帖最后由 guolei123 于 2013-3-17 09:38 编辑

1. 收集大量的赛道数据，建立直道集和弯道集
2. 提取上位机已经存储的赛道数据，统计出弯道出现的频数和直道出现的频数（至于频数的统计可以提取上位机中直道和弯道的图片数目）。
3. 将每一个集合对应一个哈希表，hash_zhi对应了直道的集合而hash_wan对应了弯道的集合。
4. 计算每个哈希表中直道和弯道出现的概率P=（直道/弯道的频数）/（对应哈希表的长度）。
5. 综合考虑hash_wan和hash_zhi，推断出当扫描到某条跑到时，是直道/弯道的概率，数学表达式为：
A 事件 ---- 赛道为直道/弯道；
t1,t2 …….tn 代表赛道的特征
则 P （ A|ti ）在扫描出赛道的时候，是直道/弯道的概率
P1 （ ti ） = （ hasha_zhi 中的频率）
P2 （ ti ） = （ hash_wan中的频率）
则 P （ A|ti ） =P2 （ ti ） /[ （ P1 （ ti ） +P2 （ ti ） ] ；
6. 建立新的哈希表hash_probability存储直道/弯道到 P （ A|ti ）的映射
7. 至此，垃圾邮件集和非垃圾邮件集的学习过程结束。

作者: guolei123 时间: 2013-3-17 09:38
本帖最后由 guolei123 于 2013-3-17 09:42 编辑

现在有个棘手的问题罹待解决：利用贝叶斯算法需要一定的样本数量，如何将样本数量降低到最低（赛场上智能车比赛顶多给你6次机会，如何在这六次机会中完全让智能车学习赛道的数据）。

作者: guolei123 时间: 2013-3-17 09:45
看帖回复是一种美德。。。。。。。

作者: exiao 时间: 2013-3-17 09:51
那么强大

作者: 前行者cross 时间: 2013-3-17 10:14
6次的前提是：每次预赛前面2次跑都是失败的，决赛还有几次学习机会，但是赛道会和前面预赛的不同，这个问题大

作者: guolei123 时间: 2013-3-17 10:32
擦。。。。。。这么好的帖子怎么可能会沉下去呢。。。。。

作者: newfish 时间: 2013-3-17 10:33
写的不错

作者: guolei123 时间: 2013-3-17 11:55
@灰原姐姐

作者: melon_1 时间: 2013-3-17 11:57
好像很深奥的样子

作者: 灰原姐姐 时间: 2013-3-17 13:33
本帖最后由灰原姐姐于 2013-3-17 13:34 编辑

这只是图像处理层，不是路径规划以及速度决策层吧？

作者: guolei123 时间: 2013-3-17 15:30

灰原姐姐发表于 2013-3-17 13:33
这只是图像处理层，不是路径规划以及速度决策层吧？

嗯，是啊，对于你说的两个层面有什么想法么？

作者: 灰原姐姐 时间: 2013-3-17 15:43

guolei123 发表于 2013-3-17 15:30
嗯，是啊，对于你说的两个层面有什么想法么？

图像层用不着这么低效的算法，很多朴素算法都能很精确地提取出赛道。
至于上面嘛，不好说、、、

作者: guolei123 时间: 2013-3-17 15:50

灰原姐姐发表于 2013-3-17 15:43
图像层用不着这么低效的算法，很多朴素算法都能很精确地提取出赛道。
至于上面嘛，不好说、、、

那灰原姐姐，还有什么高效的算法求指导一下呗。。。。。。。

作者: guolei123 时间: 2013-3-17 17:08
顶一个

作者: guolei123 时间: 2013-3-17 21:15
再顶。。。。。。

作者: aytc100 时间: 2013-3-18 23:27
等你训练完，比赛都结束了

作者: 徐晋鸿！ 时间: 2013-3-19 08:19
哥，想法不错，就是不怎么实用啊，事实证明区区拍图像观察线还是可以做的很精确的

作者: 早安，徐威 时间: 2013-3-19 11:18
楼主就是这样子写程序么？碉堡了

作者: ganlei 时间: 2013-3-19 16:04
这个貌似是在钻比赛的空子，智能控制要的就是可靠性而不是比赛的一次成功，虽然很多人都是奔着成功去的，但是我倒更希望我的车子更加可靠

作者: 王海青 时间: 2013-3-19 20:27
ding

作者: dlyt03 时间: 2013-3-19 20:30
很强大！！

作者: mingongB 时间: 2013-3-19 20:34
表示看不懂，不过好像工作重心就改变了，很厉害的样子

作者: jiyiboloann 时间: 2013-3-20 10:15
能力有限，看不懂，只能顶一下了

作者: 我是谁2011 时间: 2013-3-20 19:54
太深奥了，听都没听过

作者: guolei123 时间: 2013-3-20 20:58

我是谁2011 发表于 2013-3-20 19:54
太深奥了，听都没听过

我第一次听说这个算法是在360杀毒推出QVM引擎的时候

作者: 厚朴 时间: 2013-4-13 21:20
楼主可写出程序了？

作者: zhou1994 时间: 2014-3-10 18:15
想法是不错。但是不会

作者: SIENTIST 时间: 2016-12-11 22:50
楼主实现这个程序了吗？

欢迎光临智能车制作 (http://dns.znczz.com/)