基于在线SVM的LiDAR传感数据增量学习
信号处理
2021-01-06 v1 机器学习
摘要
管道传输系统是能源行业中一个长期存在且不断发展的方面。用于维护服务的管内探测成本一直备受该行业关注。通常探测方法(如漏磁与涡流)会为每个管道节点布置静止传感器或携带传感器在管内移动。由于传感器数量庞大,这使得维护过程非常困难。解决方案之一是采用机器学习技术来分析传感数据。尽管SVM可通过核技巧解决此问题,但计算核同样依赖于数据规模。这是因为若支持向量数量变得极大,该过程会迅速膨胀。尤其LiDAR以极高速率旋转,输入数据流最终可能导致海量扩张。在我们提出的方法中,每个样本以即时方式学习,且支持核同时计算。本研究提出一种基于在线支持向量机(SVMs)的增量学习方法,旨在仅处理LiDAR传感数据。
引用
@article{arxiv.2101.01667,
title = {Incremental learning with online SVMs on LiDAR sensory data},
author = {Le Dinh Van Khoa and Zhiyuan Chen},
journal= {arXiv preprint arXiv:2101.01667},
year = {2021}
}
备注
This paper has been published at the International Conference on Digital Image and Signal Processing (DISP 2019)At: Oxford, United Kingdom