位置:成果数据库 > 期刊 > 期刊详情页
啤酒瓶检测中多分类支持向量机算法的选择
  • ISSN号:1674-2974
  • 期刊名称:《湖南大学学报:自然科学版》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]湖南大学电气与信息工程学院,湖南长沙410082, [2]湖南工业职业技术学院,湖南长沙410208
  • 相关基金:基金项目:国家自然科学基金资助项目(60775047);国家自然科学基金重大研究计划重点项目(60835004)和国家863计划资助项目(2007AA042244)
中文摘要:

在提取啤酒瓶的缺陷特征后,如何选择合适的多分类支持向量机算法对提高分类准确率和分类速度具有重要的作用.本文通过一对一、一对多、决策有向无环图、二叉树、误差纠错码、一次性求解等多分类支持向量机算法在核函数为线性、多项式、径向基,神经网络的情况下,对多个基准样本进行了分类性能、分类速度、分类准确性的详细比较以及完整的理论分析,最终得出一对一多分类支持向量机在径向基核函数时性能优于其他算法.在啤酒瓶智能检测机器人上的实验,表明这种算法能够满足检测需要.

英文摘要:

After extracting defect features, how to choose appropriate multi-class support vector machine classification algorithm is important in the enhancement of classification accuracy rate and classification speed. This paper compared six methods for multi-class SVM classification, i.e. 'One-Against-One', 'One-Against- All', 'Decision Directed Acyclic Graph', 'binary tree', 'Error-eorrecting output coding' and 'considering all data at once' using linear, polynomial, RBF, Sigmoid kernel function. A detailed comparison of several benchmarking samples for classification attribute, classification speed and classification accuracy was conducted through complete theoretical analyses. It has been concluded that 'one Against One' methods using RBF kernel are more superior to the other methods. Experiment results on Beer Bottle inspector have shown that these methods can meet practical requirements.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《湖南大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:中华人民共和国教育部
  • 主办单位:湖南大学
  • 主编:易伟建
  • 地址:湖南长沙岳麓区麓山南路
  • 邮编:410082
  • 邮箱:qks@hun.edu.cn
  • 电话:0731-88822870
  • 国际标准刊号:ISSN:1674-2974
  • 国内统一刊号:ISSN:43-1061/N
  • 邮发代号:42-44
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,中国期刊方阵“双百”期刊1997年第二届全国科技期...,2000年湖南省首届“十佳科技期刊”,2002年第二届国家期刊奖“重点期刊奖”
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),英国英国皇家化学学会文摘,中国北大核心期刊(2000版)
  • 被引量:14344