智能交互的物体识别增量学习技术综述

发布时间：2018-10-09 19:15

【摘要】：智能交互系统是研究人与计算机之间进行交流与通信,使计算机能够在最大程度上完成交互者的某个指令的一个领域。其发展的目标是实现人机交互的自主性、安全性和友好性。增量学习是实现这个发展目标的一个途径。本文对智能交互系统的任务、背景和获取信息来源进行简要介绍,主要对增量学习领域的已有工作进行综述。增量学习是指一个学习系统能不断地从新样本中学习新的知识,非常类似于人类自身的学习模式。它使智能交互系统拥有自我学习,提高交互体验的能力。文中对主要的增量学习算法的基本原理和特点进行了阐述,分析各自的优点和不足,并对进一步的研究方向进行展望。
[Abstract]:Intelligent interactive system is a field that studies the communication and communication between human and computer, which enables the computer to complete a certain instruction of the interactor to the greatest extent. The goal of its development is to realize the autonomy, security and friendliness of human-computer interaction. Incremental learning is a way to achieve this development goal. In this paper, the task, background and information source of intelligent interactive system are briefly introduced, and the existing work in incremental learning field is summarized. Incremental learning means that a learning system can continuously learn new knowledge from new samples, which is very similar to the learning mode of human itself. It enables the intelligent interactive system to have the self-learning, enhances the interactive experience the ability. In this paper, the basic principles and characteristics of the main incremental learning algorithms are described, their advantages and disadvantages are analyzed, and the further research directions are prospected.
【作者单位】： 山东科技大学计算机科学与工程学院;中国科学院计算技术研究所智能信息处理重点实验室;
【基金】：国家“973”计划项目(2012CB316400)
【分类号】：TP11

【相似文献】

相关期刊论文 前10条

1 秦玉平;王秀坤;王春立;;实现兼类样本类增量学习的一种算法[J];控制与决策;2009年01期

2 秦玉平;王秀坤;王春立;;实现兼类样本增量学习的一种算法[J];计算机应用与软件;2009年08期

3 秦玉平;陈一荻;王春立;王秀坤;;一种新的类增量学习方法[J];计算机工程与应用;2011年34期

4 时建中;程龙生;;基于增量学习系统的财务危机动态预警[J];技术经济;2012年05期

5 王洪波;赵光宙;齐冬莲;卢达;;一类支持向量机的快速增量学习方法[J];浙江大学学报(工学版);2012年07期

6 秦玉平;伦淑娴;王秀坤;;一种新的兼类样本类增量学习算法[J];计算机科学;2012年09期

7 姜卯生,王浩,姚宏亮;朴素贝叶斯分类器增量学习序列算法研究[J];计算机工程与应用;2004年14期

8 刘梅,权太范,姚天宾;基于增量学习神经模糊网络的机动目标跟踪[J];电子学报;2005年11期

9 李祥纳;艾青;秦玉平;刘卫江;;支持向量机增量学习算法综述[J];渤海大学学报(自然科学版);2007年02期

10 曹杰;刘志镜;;基于支持向量机的增量学习算法[J];计算机应用研究;2007年08期

相关会议论文 前7条

1 秦亮;唐静;史贤俊;肖支才;;一种改进的支持向量机增量学习算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

2 张庆彬;吴惕华;刘波;;一种改进的基于群体的增量学习算法[A];第二十六届中国控制会议论文集[C];2007年

3 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

4 王悦凯;吴晓峰;翁巨扬;;Where-What网络增量学习特性探究[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

5 赵莹;万福永;;支持向量机的增量学习算法及其在多类分类问题中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

6 刘欣;章勇;王娟;;增量学习的TFIDF_NB协同训练分类算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

7 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任（A卷）——第五届沈阳科学学术年会文集[C];2008年

相关博士学位论文 前3条

1 李敬;增量学习及其在图像识别中的应用[D];上海交通大学;2008年

2 段华;支持向量机的增量学习算法研究[D];上海交通大学;2008年

3 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年

相关硕士学位论文 前10条

1 李丹;基于马氏超椭球学习机的增量学习算法研究[D];渤海大学;2015年

2 赵翠翠;基于RBF神经网络的集成增量学习方法研究[D];河北工业大学;2015年

3 王会波;基于支持向量机的混合增量学习算法与应用[D];华中师范大学;2016年

4 张健;增量学习在电子鼻智能烘烤系统中的应用研究[D];重庆大学;2016年

5 杜玲;覆盖算法的增量学习研究[D];安徽大学;2010年

6 张智敏;基于增量学习的分类算法研究[D];华南理工大学;2010年

7 李杰;数据复杂度的增量学习方法研究[D];广东工业大学;2015年

8 王媛;支持向量机增量学习算法及其在入侵检测中的应用研究[D];吉林大学;2008年

9 张灿淋;基于支持向量机的半监督式增量学习研究[D];浙江工业大学;2014年

10 吴慧;新的支持向量机增量学习算法[D];西安电子科技大学;2009年

，

本文编号：2260474