摘要：针对直观协方差无关增量式主成分分析算法（CCIPCA）需要满足零均值高斯分布的问题,该文提出含均值差向量更新的泛化CCIPCA算法（GCCIPCA）,拓展了算法的适用范围。其次,针对机器人感知学习存在的在线增量计算及有效数据降维等问题,将GCCIPCA的增量思想引入到现有的双向主成分分析算法（BDPCA）,提出基于增量式BDPCA（IBDPCA）的机器人感知学习方法。该方法直接针对图像矩阵行列方向的类散度矩阵进行迭代估计,具有一定的泛化能力和快速的增量学习能力,提高了实时处理速度。最后,以机器人待抓取物块作为感知对象进行实验,结果表明所提算法能够满足机器人感知学习的实时处理需求,相比现有的增量式主成分分析算法,在收敛率、分类识别率、计算时间及所需内存等性能方面均得到显著提升。

关键词：机器人感知学习 增量学习 数据降维 直观协方差无关增量式主成分分析 双向主成分分析 

单位：河北工业大学机械工程学院; 天津300130; 天津市先进机电系统设计与智能控制重点实验室; 天津300384