基于Skinner操作条件反射的抽样一致性算法  

Method of sample consensus based on Skinner operant conditioning

作　　者：魏若岩[1] 阮晓钢[1] 于乃功[1] 黄静[1,2] 朱晓庆[1,3] 肖尧[1] 

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100124 [2]北京工业大学实验学院,北京101101 [3]麦吉尔大学机器人机械系统实验室

出　　处：《控制与决策》2015年第2期235-240,共6页Control and Decision

基　　金：国家973计划项目(2012CB720000);国家自然科学基金项目(61075110;61375086);北京市自然科学基金项目/北京市教育委员会科技计划重点项目(KZ201210005001);高等学校博士学科点专项科研基金项目(20101103110007);北京高等学校青年英才计划项目(YETP1610)

摘　　要：针对基础矩阵的估计问题,提出一种基于Skinner概率自动机的抽样一致性算法(Skinner-Ransac).该算法对数据样本集合中的每个样本赋予权值,并根据当前的抽样结果对每一个样本的权值进行更新;同时,针对先验知识缺乏的情况提出了3种迭代终止条件.以一组模拟数据和一组真实图像作为实验对象,与4个现有算法进行对比的实验结果表明,Skinner-Ransac无论在迭代次数,还是在计算精度上均优于其他算法.A method of sample consensus based on Skinner operant conditioning（Skinner-Ransac） is proposed for the problem of fundamental matrix estimation. In this method, every sample is given with the weight, which is changed according to the feedback of every sampling results. For the problem of lacking prior knowledge, three iteration termination selections are proposed. Taking a set of simulated data and a set of real images as the experimental subject, four existing methods are taken to compare with Skinner-Ransac. The results show that the performance of Skinner-Ransac is better than the other methods.

关 键 词：Skinner概率自动机 抽样一致性算法 基础矩阵估计 认知心理学 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]