本研究应用支持向量机算法,结合古琴共鸣板木材表面纹理特征,建立古琴面板质量预测模型.共收集古琴面板样品77张,采用数码相机拍摄共鸣板图像,经图像处理去除背景.提取包括连续纹理数、断裂纹理数、最长纹理值等7项纹理特征定量指标,以其中21张样品作为训练集,余下56张作为测试集.利用支持向量机结合专家打分法对训练集特征进行模型训练,并对测试集进行等级预测.结果显示,训练集和测试集的分类准确率分别达到95.23％和96.42％.两组预测等级与专家评分实际等级之间误差较小.研究表明,支持向量机算法可对古琴面板木材纹理特征进行有效分类,实现面板质量的准确预测,为乐器面板的选材提供了参考.
万方数据
维普
