改进最小二乘支持向量机在织物疵点分类中的应用

摘要：

本文织物疵点特征提取算法将灰度共生矩阵和Gabor滤波嚣相结合,利用Gabor滤波器能捕获纹理较多的有用信息和准确度高的优势,辅以灰度共生矩阵特征一起作为图像特征信息,增强了织物疵点分类的准确性.在分类器选择上,为减少训练完后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法-高稀疏性最小二乘支持向量机(HS-LSSVM).在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题.对多个织物疵点分类问题的实验表明,HS-LSSVM具有稀疏率高,分类性能强,且稀疏化速度较快等优点.

关键词： 织物疵点 图像处理 特征提取 分类性能

作者: 吴哲 郑力新 周凯汀 刘孝星

作者单位: 国立华侨大学工学院 国立华侨大学信息科学与工程学院

会议类型: 国内会议

会议名称: 2015年中国人工智能学会神经网络与计算智能专委会年会暨第十三届泉州市科学技术协会年会

会议地点: 福建泉州

会议语种:中文

页码: 137-140

在线出版日期: 2015-11-06（万方平台首次上网日期，不代表论文的发表时间）