基于识别模型泛化能力的目标识别算法简析

目标识别算法朝着智能化和跨域交叉方向发展,为适应场景多样性特点,并能够提升算法泛化能力,需满足无监督条件,从而达到跨域目标识别需求。为满足以上目的,文章重点研究目标识别算法框架和模型构建具体方法,提出以SJDA方法合理设计提高识别模型泛化能力的算法。并使用误差边界估计方法验证性能,证明此种算法的合理性以及高泛化能力,得出目标识别算法符合跨域大样本识别需求的结论。

基于区间分析的LuGre摩擦模型参数辨识方法

针对LuGre摩擦模型参数耦合、动态参数辨识困难等问题,提出一种基于区间分析的LuGre摩擦模型动态参数辨识方法。首先,简要介绍了边界误差估计方法及其在系统模型为常微分方程时系统参数辨识中的应用,然后,基于两步法思想,分别采用最小二乘法和基于区间分析的边界误差估计方法对4个静态参数和2个动态参数进行了辨识。该方法有效避免了采用传统非线性辨识方法辨识LuGre摩擦模型动态参数时初值确定困难、对辨识结果影响大以及显性目标函数不易给出等缺陷,同时,辨识得到的参数为全局最优。最后通过实例验证了该方法的正确性和有效性。