基于改进二叉树多分类SVM的焊缝缺陷分类方法

被引：13

作者：

罗爱民 ^{[1
,2
]}

沈才洪 ^{[2
]}

易彬 ^{[2
]}

李坤 ^{[3
]}

机构：

[1] 四川大学轻纺与食品学院

[2] 泸州老窖股份有限公司

[3] 四川大学电子信息学院

来源：

焊接学报 | 2010年 / 07期

关键词：

支持向量机; 类分离度; 二叉树; 焊缝缺陷识别;

D O I：

暂无

中图分类号：

TG441.7 [焊接缺陷及质量检查];

学科分类号：

080201 ; 080503 ;

摘要：

为了进一步提高焊缝缺陷识别精度,定义了一种类分离度,提出了改进二叉树多分类SVM的焊缝缺陷分类方法.在焊缝缺陷分类时,计算每个类的类分离度,将类分离度最小的两个类进行训练得到SVM子分类器SVM1,并将这两个类合并成一个新簇G;同理对新簇G和剩下的k-2类进行类分离度的评估,将类分离度最小的两类训练得到SVM子分类器SVM2,并合并成新簇H,直至得到k-1个SVM分类器,训练结束得到良好的二叉树的分类结构.利用聚类生成好的优化二叉树SVM进行判别焊接缺陷.结果表明,新算法具有高的分类精度和推广能力.

引用

页码：51 / 54+115 +115

页数：5

共 8 条

[1] 基于Ncut分割和SVM分类器的医学图像分类算法 [J].