纺织学报
紡織學報
방직학보
JOURNAL OF TEXTILE RESEARCH
2009年
12期
41-44
,共4页
姚桂国%钟小勇%梁金祥%左保齐
姚桂國%鐘小勇%樑金祥%左保齊
요계국%종소용%량금상%좌보제
织物疵点%遗传算法%特征选择%支持向量机
織物疵點%遺傳算法%特徵選擇%支持嚮量機
직물자점%유전산법%특정선택%지지향량궤
fabric defects%genetic algorithm (GA)%feature selection%support vector machine (SVM)
为提高疵点分类的正确率,提出应用遗传算法对织物的疵点进行特征选择.首先提取机织物疵点图像,基于直方图、灰度共生矩阵、灰度差分统计、小波差分统计等描述纹理特征,采用遗传算法对这些特征组成的特征向量进行特征选择.再用支持向量机(SVM)分别对原特征向量和选择的特征子向量进行分类.实验结果显示,织物疵点的平均识别率从原来的89%提高到95%,说明该算法对织物疵点特征选择是有效的.
為提高疵點分類的正確率,提齣應用遺傳算法對織物的疵點進行特徵選擇.首先提取機織物疵點圖像,基于直方圖、灰度共生矩陣、灰度差分統計、小波差分統計等描述紋理特徵,採用遺傳算法對這些特徵組成的特徵嚮量進行特徵選擇.再用支持嚮量機(SVM)分彆對原特徵嚮量和選擇的特徵子嚮量進行分類.實驗結果顯示,織物疵點的平均識彆率從原來的89%提高到95%,說明該算法對織物疵點特徵選擇是有效的.
위제고자점분류적정학솔,제출응용유전산법대직물적자점진행특정선택.수선제취궤직물자점도상,기우직방도、회도공생구진、회도차분통계、소파차분통계등묘술문리특정,채용유전산법대저사특정조성적특정향량진행특정선택.재용지지향량궤(SVM)분별대원특정향량화선택적특정자향량진행분류.실험결과현시,직물자점적평균식별솔종원래적89%제고도95%,설명해산법대직물자점특정선택시유효적.