發(fā)布時(shí)間：2021-02-10 02:36

　　研究表明,對(duì)于不同的實(shí)際問(wèn)題,不同的樣本具有不同的數(shù)據(jù)結(jié)構(gòu)。充分利用樣本的結(jié)構(gòu)信息,能夠有效的提高模型的泛化性能。此外,因?yàn)樵趯?shí)際生產(chǎn)中,存在著很多的外部干擾。因此,數(shù)據(jù)在采集過(guò)程中,必然存在著噪聲。綜上所述,針對(duì)鋼板表面缺陷分類問(wèn)題,提出了一種加權(quán)結(jié)構(gòu)支持向量機(jī)（W-SSVMs）模型。W-SSVM-k模型在結(jié)構(gòu)支持向量機(jī)（SSVM）的基礎(chǔ)上,結(jié)合權(quán)重生成算法來(lái)解決鋼板表面缺陷分類問(wèn)題。WSRSVM-k采用聚類的技術(shù)挖掘數(shù)據(jù)集的結(jié)構(gòu)信息,然后將獲得的結(jié)構(gòu)信息嵌入到SVM模型中。此外,W-SSVM-k又對(duì)不同的樣本賦予了不同的權(quán)值,減小了標(biāo)簽噪聲對(duì)分類性能的影響。最后,在鋼表面缺陷數(shù)據(jù)集上進(jìn)行的數(shù)值實(shí)驗(yàn)表明,提出的W-SSVMs具有很好的分類性能,尤其針對(duì)噪聲數(shù)據(jù)集。 

【文章來(lái)源】：電子測(cè)量技術(shù). 2020,43(11)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引 言
1 鋼板表面缺陷
2 鋼板表面缺陷的多分類
3 W-SSVM-k算法
4 實(shí)驗(yàn)分析
5 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于特征量融合和支持向量機(jī)的軸承故障診斷[J]. 史慶軍,郭曉振,劉德勝.  電子測(cè)量與儀器學(xué)報(bào). 2019(10)
[2]基于SVM算法的實(shí)時(shí)人臉驗(yàn)證的研究[J]. 葉文武,成杰,高頌,徐瑋巍,張強(qiáng),徐寅林.  國(guó)外電子測(cè)量技術(shù). 2018(12)
[3]壓電作動(dòng)器的支持向量機(jī)遲滯模型[J]. 嚴(yán)秀權(quán),吳洪濤,李耀,楊小龍,康升征.  儀器儀表學(xué)報(bào). 2018(09)
[4]基于監(jiān)督雙限制連接Isomap算法的帶鋼表面缺陷圖像分類方法[J]. 王典洪,甘勝豐,張偉民,雷維新.  自動(dòng)化學(xué)報(bào). 2014(05)



本文編號(hào)：3026650