基于SLAM算法的图书馆服务机械人的路径研究

为进一步对服务型机器人的移动过程进行优化,基于SLAM算法,对图书馆服务机器人的移动过程进行路径规划研究,并提出一种离线结合在线的路径规划方法。通过对离线路径规划PSO算法和在线路径规划Q-learning算法进行分别优化,以提高各种的路径规划效果,再将两种方法相结合,解决了复杂环境下的动态不确定的路径最优化问题。仿真结果表明,与其他PSO算法相比,本研究提出的RDSPSO算法能够实现更好的离线路径规划效果,在同样的实验条件下,该算法的优化得到的路径更短,到达时间也更短;与其他的路径规划方法相比,本研究提出的离线结合在线的路径规划算法的路径规划效果更好,路径长度最少缩短了2.8 m,到达时间最少节省了29.9 s。以上结果表明,本研究提出的路径规划方法能够对图书馆服务机器人的移动路径进行进一步优化,进一步提升机器人的移动性能,可用于实际的设计。     

基于随机森林算法的图书馆文献自动分类方法研究

为实现图书馆文献自动分类，提出一种随机森林算法的分类方法。首先，提出图书馆文献自动分类的思路；然后根据整体思路，建立数据集，并对数据集进行预处理和特征提取；最后搭建文献自动分类器，并比较随机森林分类器与常用的NB、SVM分类器的分类性能。结果表明：随机森林分类器对文献的分类准确率最高，且能够维持在95%左右，相比于NB、SVM自动分类法提高了3%;同时查准率和加速比上，随机森林分类器的性能也最优。由此得出，基于随机森林算法的分类能满足图书馆文献自动分类的要求，且分类准确率更好，分类效果更理想。