欢迎登录材料期刊网

材料期刊网

高级检索

研究了BP网络、LVQ1网络、LVQ2网络所构建的分类器的性能,将这3种分类器用于中厚板表面缺陷的自动分类中.从现场在线采集中厚板的表面缺陷图像,将每幅表面图像划分成64×64大小的子图像,对子图像进行FFT变换,得到子图像的幅值谱.将幅值谱中心区域内的像素灰度值作为特征量,分别输入给BP网络、LVQ1网络、LVQ2网络所构建的分类器模型,试验表明LVQ2网络能够得到理想的分类效果.

参考文献

[1] 徐科,徐金梧,班晓娟.冷轧带钢表面质量自动监测系统的模式识别方法研究[J].钢铁,2002(06):28-31.
[2] 徐科,徐金梧.基于图象处理的冷轧带钢表面缺陷在线检测技术[J].钢铁,2002(12):61-64.
[3] 张乃尧;阎平凡.神经网络与模糊控制[M].北京:清华大学出版社,2002
[4] Pregenzer M;Pfruitscheller G;Flotzinger D.Automated Feature Selection With a Distinction Sensitive Learning Vector Quantizer[J].Neurocomputing,1996(11):19-29.
[5] Mohhamad-Taghi;Vakil-Baghmisheh;Nikola Pavesic.Premature Clustering Phenomenon and New Training Algorithms for LVQ[J].Pattern Recognition,2003(36):190-191.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%