纺织导报
紡織導報
방직도보
China Textile Leader
2015年
11期
102-103
,共2页
羊绒羊毛纤维%贝叶斯分类器%BP神经网络%SVM支持向量机
羊絨羊毛纖維%貝葉斯分類器%BP神經網絡%SVM支持嚮量機
양융양모섬유%패협사분류기%BP신경망락%SVM지지향량궤
cashmere and wool fibers%Bayes classifier%BP neural network%SVM support vector machine
基于数字图像处理的羊绒羊毛纤维检测已然成为了现今研究的热门,本文主要对现今存在的对羊毛羊绒纤维图片特征进行识别的分类器进行研究.以相同方式提取出的羊绒羊毛纤维图片特征分别使用贝叶斯方法、BP神经网络、SVM支持向量机进行识别,最后通过比较,SVM支持向量机在识别率和识别速度上较其余两个分类器有效,是比较适合进行羊毛羊绒纤维检测的分类器.
基于數字圖像處理的羊絨羊毛纖維檢測已然成為瞭現今研究的熱門,本文主要對現今存在的對羊毛羊絨纖維圖片特徵進行識彆的分類器進行研究.以相同方式提取齣的羊絨羊毛纖維圖片特徵分彆使用貝葉斯方法、BP神經網絡、SVM支持嚮量機進行識彆,最後通過比較,SVM支持嚮量機在識彆率和識彆速度上較其餘兩箇分類器有效,是比較適閤進行羊毛羊絨纖維檢測的分類器.
기우수자도상처리적양융양모섬유검측이연성위료현금연구적열문,본문주요대현금존재적대양모양융섬유도편특정진행식별적분류기진행연구.이상동방식제취출적양융양모섬유도편특정분별사용패협사방법、BP신경망락、SVM지지향량궤진행식별,최후통과비교,SVM지지향량궤재식별솔화식별속도상교기여량개분류기유효,시비교괄합진행양모양융섬유검측적분류기.
This paper mainly studies the classifiers for identifying the image features of wool and cashmere fibers. The image features, which are selected in the same way, are identified by using respectively Bayes classifier, BP neural network and SVM support vector machine. Then, by comparison we conclude that the SVM support vector machine is more suitable for testing of wool and cashmere fiber thanks to its higher recognition rate and speed.
