[发明专利]一种适应于采摘机器人的数据分类优化方法

摘要

本发明公开了一种适应于采摘机器人的数据分类优化方法，其特征在于，包括：S1.定义采摘环境中有m个监测节点，其编号为N1、N2...Nm和一个中心节点N，在实时监测系统中某一时刻对象的集合用U表示，U中元素个数用n表示；S2.输入果实样本的训练数据集d＝{(Xi，Yi)，1≤i≤N}，其中Xi表示第i个样本的条件属性，Yi表示类别，X表示新样本，d表示距离函数；S3.定义Oi为某一个监测对象，Δi，j表示Ni接受到的Oi的评价分数增量，Vi，j表示本地评分；S4.当某个监测点Ni接收到二元组Oi，Δi，j后，若，则将Oi加入到U中，如果Oi∈U，则需要改变对象的评分Vi，j＝Δi，j+Vi，j；S5.把评分符合要求的输出；不符合要求的丢弃；S6.把S5输出的数据，转化成新样本数据X表示；S7.循环计算，求解向量X和每个样本Xi之间的距离d(X，Xi)；S8.根据得到的距离数据，对距离进行排序，从而得到d(X，X1)≤d(X，X2)≤...≤d(X，XN)；S9.根据距离选择数据样本中的前K个数据，S＝{(X1，Y1)...(Xk，Yk)}；S10.通过对S中类别出线的次数，从而确定X所属类别。

主权项

一种适应于采摘机器人的数据分类优化算法，其特征在于，包括：S1.定义采摘环境中有m个监测节点，其编号为N1、N2…Nm和一个中心节点N，在实时监测系统中某一时刻对象的集合用U表示，U中元素个数用n表示；S2.输入果实样本的训练数据集d＝{(Xi，Yi)，1≤i≤N}，其中Xi表示第i个样本的条件属性，Yi表示类别，X表示新样本，d表示距离函数；S3.定义Oi为某一个监测对象，Δi，j表示Ni接受到的Oi的评价分数增量，Vi，j表示本地评分；S4.当某个监测点Ni接收到二元组<Oi，Δi，j>后，若则将Oi加入到U中，如果Oi∈U，则需要改变对象的评分Vi，j＝Δi，j+Vi，j；S5.把评分符合要求的输出；不符合要求的丢弃。S6.把S5输出的数据，转化成新样本数据X表示；S7.循环计算，求解向量X和每个样本Xi之间的距离d(Xi，X)；S8.根据得到的距离数据，对距离进行排序，从而得到d(X，Xi1)≤d(X，Xi2)≤...≤d(X，XiN)；S9.根据距离选择数据样本中的前K个数据，S＝{(Xi1，Yi1)...(Xik，Yik)}；S10.通过对S中类别出线的次数，从而确定X所属类别。