辽宁工程技术大学学报（自然科学版）
遼寧工程技術大學學報（自然科學版）
료녕공정기술대학학보（자연과학판）
JOURNAL OF LIAONING TECHNICAL UNIVERSITY(NATURAL SCIENCE)
2006年
2期
264-267
,共4页
支持向量%信息融合%线条状痕迹%分类识别
支持嚮量%信息融閤%線條狀痕跡%分類識彆
지지향량%신식융합%선조상흔적%분류식별
应用支持向量机的基本原理和信息融合思想,经对两种不同类型枪支所发射同一型号子弹上磨损线条状痕迹数据提取特征后,用特征小波包维数和磨损痕迹中坡膛痕迹尺度参数作为样本数据的因子分量,建立了较为理想的SVM分类模型,以此SVM分类模型实现了对磨损线条状痕迹的分类识别.研究表明:采用参数融合要比使用单一参数更有利于分类识别,并能提高分类识别率.
應用支持嚮量機的基本原理和信息融閤思想,經對兩種不同類型鎗支所髮射同一型號子彈上磨損線條狀痕跡數據提取特徵後,用特徵小波包維數和磨損痕跡中坡膛痕跡呎度參數作為樣本數據的因子分量,建立瞭較為理想的SVM分類模型,以此SVM分類模型實現瞭對磨損線條狀痕跡的分類識彆.研究錶明:採用參數融閤要比使用單一參數更有利于分類識彆,併能提高分類識彆率.
응용지지향량궤적기본원리화신식융합사상,경대량충불동류형창지소발사동일형호자탄상마손선조상흔적수거제취특정후,용특정소파포유수화마손흔적중파당흔적척도삼수작위양본수거적인자분량,건립료교위이상적SVM분류모형,이차SVM분류모형실현료대마손선조상흔적적분류식별.연구표명:채용삼수융합요비사용단일삼수경유리우분류식별,병능제고분류식별솔.
