重庆理工大学学报2022，Vol.36Issue(10) ：140-150.DOI:10.3969/j.issn.1674-8425(z).2022.10.017

全域优化孪生向量机的钢板表面缺陷图像分类

Classification of defect images on steel plate surface by global optimized twin support vector machine

胡鹰 侯政通 安宇 乔磊明
重庆理工大学学报2022，Vol.36Issue(10) ：140-150.DOI:10.3969/j.issn.1674-8425(z).2022.10.017
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

全域优化孪生向量机的钢板表面缺陷图像分类

Classification of defect images on steel plate surface by global optimized twin support vector machine

胡鹰 1侯政通 1安宇 1乔磊明1
扫码查看

作者信息

  • 1. 太原科技大学 计算机科学与技术学院, 太原 030024
  • 折叠

摘要

针对传统的钢板表面缺陷图像分类算法只是单纯地将异类样本分开,没有充分考虑到样本之间底层数据的关联性,在孪生支持向量机的基础上,提出了一种全域优化孪生支持向量机钢板表面缺陷图像分类算法.首先,嵌入线性判别分析,挖掘钢板表面图像数据全局结构信息,最小化同类样本间离散度;其次,采用K最近邻算法,最大化异类样本间离散度;最后,利用核函数,在高维空间解决非线性问题分类,得到表面缺陷图像分类结果.在2个公开数据集上的实验结果表明:所提方法对钢板表面缺陷图像分类的准确率可达94.90％和89.19％,比其他算法有进一步提升.

关键词

缺陷分类/图像处理/孪生支持向量机/全局信息/局部信息/K近邻

引用本文复制引用

基金项目

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量1
段落导航相关论文