基于加权结构SVM的钢板表面缺陷分类

发布时间：2021-02-10 02:36

　　研究表明,对于不同的实际问题,不同的样本具有不同的数据结构。充分利用样本的结构信息,能够有效的提高模型的泛化性能。此外,因为在实际生产中,存在着很多的外部干扰。因此,数据在采集过程中,必然存在着噪声。综上所述,针对钢板表面缺陷分类问题,提出了一种加权结构支持向量机（W-SSVMs）模型。W-SSVM-k模型在结构支持向量机（SSVM）的基础上,结合权重生成算法来解决钢板表面缺陷分类问题。WSRSVM-k采用聚类的技术挖掘数据集的结构信息,然后将获得的结构信息嵌入到SVM模型中。此外,W-SSVM-k又对不同的样本赋予了不同的权值,减小了标签噪声对分类性能的影响。最后,在钢表面缺陷数据集上进行的数值实验表明,提出的W-SSVMs具有很好的分类性能,尤其针对噪声数据集。 

【文章来源】：电子测量技术. 2020,43(11)

【文章页数】：5 页

【文章目录】：
0 引 言
1 钢板表面缺陷
2 钢板表面缺陷的多分类
3 W-SSVM-k算法
4 实验分析
5 结 论


【参考文献】：
期刊论文
[1]基于特征量融合和支持向量机的轴承故障诊断[J]. 史庆军,郭晓振,刘德胜.  电子测量与仪器学报. 2019(10)
[2]基于SVM算法的实时人脸验证的研究[J]. 叶文武,成杰,高颂,徐玮巍,张强,徐寅林.  国外电子测量技术. 2018(12)
[3]压电作动器的支持向量机迟滞模型[J]. 严秀权,吴洪涛,李耀,杨小龙,康升征.  仪器仪表学报. 2018(09)
[4]基于监督双限制连接Isomap算法的带钢表面缺陷图像分类方法[J]. 王典洪,甘胜丰,张伟民,雷维新.  自动化学报. 2014(05)



本文编号：3026650