為了降低標簽和特征噪聲對鋼板表面缺陷分類的影響,提出一種抗噪聲的超球體支持向量機(anti-noise hypersphere support vector machine,簡稱AHSVM)分類模型.鑒于鯨魚優(yōu)化算法(whale optimization algorithm,簡稱WOA)能對AHSVM分類模型的參數(shù)進行尋優(yōu)且能提高運行效率,提出AHSVM與WOA結(jié)合的AHSVM-WOA算法. 4種分類算法對6類熱軋鋼板表面缺陷的分類結(jié)果表明,AHSVM-WOA算法有良好的分類效果,在抑制標簽和特征噪聲方面性能優(yōu)良,縮短了參數(shù)選擇的時間.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 AHSVM分類模型
    1.1 模型描述
    1.2 模型求解
2 AHSVM-WOA算法
    2.1 WOA
    2.2 算法流程
3 鋼板表面缺陷分類實驗
4 結(jié)束語



本文編號：3831473