引入核方法分析研究了现有的板坯表面缺陷识别方法,提出了一种新的核函数,并将其应用到板坯表面缺陷特征提取中,用传统的支持向量机对图像进行分类,试验结果表明,新核函数提取的特征识别效果最好,识别率达到了91.55%.
参考文献
[1] | 肖健华.智能模式识别方法[M].广州:华南理工大学出版社,2006 |
[2] | JolliHe I J.Principal Component Analysis[M].New York:Springer,1986 |
[3] | 赵玲玲;翁苏明;曾华军.模式分析的核方法[M].北京:机械工业出版社,2006 |
[4] | 边肇祺;张学工.模式识别[M].北京:清华大学出版社,2000 |
[5] | 袁权 .图像检索中区域分割和特征提取的研究[D].哈尔滨工业大学,2003. |
[6] | Turk M;Pentland A .Eigenfaces for Recognition[J].Journal of Cognitive Neuroscience,1991,3(01):71. |
[7] | Bach F R;Jordan M I.Kernel Principal Component Analysis[J].Journal of Machine Learning Research,2002(03):1. |
[8] | 向阳,陈黎,张晓龙.基于支持向量机的带钢表面缺陷识别研究[J].工业控制计算机,2012(08):99-101. |
[9] | 于广艳.非线性声学在材料缺陷识别中的应用[J].北京电力高等专科学校学报(自然科学版),2012(07):373,375. |
[10] | 魏同锋,范希民.基于超声波检测的小径弯管缺陷识别[J].机械研究与应用,2011(02):85-86,89. |
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:
-
10%
-
20%
-
30%
-
40%
-
50%