版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、煙葉的分級(jí)直接影響著煙葉的經(jīng)濟(jì)價(jià)值和卷煙的質(zhì)量。在我國(guó)現(xiàn)行的煙葉分級(jí)標(biāo)準(zhǔn)中對(duì)煙葉等級(jí)的判斷缺乏具體的量化標(biāo)準(zhǔn),實(shí)際收購(gòu)過(guò)程中依靠人工進(jìn)行識(shí)別,其正確分級(jí)率受到主觀因素的影響。因此智能分級(jí)方法的研究是很必要的。本文提取煙葉透射圖像中所有可能影響煙葉分級(jí)的視覺(jué)特征;為減少特征間的相關(guān)性以及提高分級(jí)速度,分別使用RBF神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)和Adaboost聯(lián)合二進(jìn)制粒子群對(duì)這些煙葉特征進(jìn)行自適應(yīng)選擇;并分別建立RBF、SVM和Ada
2、boost分級(jí)模型。實(shí)驗(yàn)證明煙葉特征的有效選擇不僅提高了煙葉智能識(shí)別的效率(速度快)而且提高了分類器的識(shí)別率。具體研究工作如下:
1.煙葉圖像采集、預(yù)處理及特征提取。搭建專門的煙葉圖像獲取系統(tǒng),獲取煙葉透射圖像提取特征;首先對(duì)圖像進(jìn)行濾波去噪,邊緣提取,背景分割,小面積去除等預(yù)處理,然后提取8個(gè)幾何、12個(gè)顏色、4個(gè)紋理和15個(gè)脈絡(luò)共39個(gè)特征。
2.分級(jí)模型建立。分別建立RBF神經(jīng)網(wǎng)絡(luò)、SVM和Adaboost三種
3、分類器對(duì)13個(gè)等級(jí)的462片煙葉進(jìn)行分級(jí)。學(xué)習(xí)樣本和測(cè)試樣本的正確識(shí)別率分別為:RBF為89.6%、85.5%;SVM為89.3%、86.6%;Adaboost為96.3%、93.2%。
3.煙葉特征選擇及分級(jí)。分別利用RBF、SVM神經(jīng)網(wǎng)絡(luò)和Adaboost聯(lián)合二進(jìn)制粒子群算法對(duì)煙葉圖像特征進(jìn)行自適應(yīng)選擇;通過(guò)多次的迭代選擇,最優(yōu)特征數(shù)目分別為16,21和21個(gè)。利用這三組特征分別建立RBF神經(jīng)網(wǎng)絡(luò)、SVM和Adaboost
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)模型和二進(jìn)制粒子群算法的電網(wǎng)故障診斷研究.pdf
- 基于二進(jìn)制粒子群優(yōu)化算法的配電網(wǎng)重構(gòu)研究.pdf
- 基于免疫二進(jìn)制粒子群算法的配電網(wǎng)重構(gòu).pdf
- 二進(jìn)制粒子群優(yōu)化組卷算法及其應(yīng)用.pdf
- 基于PDE的二進(jìn)制水平集圖像分割方法.pdf
- 基于Android平臺(tái)的二進(jìn)制特征方法的研究.pdf
- 基于免疫二進(jìn)制粒子群算法的配電網(wǎng)絡(luò)重構(gòu)研究.pdf
- 基于小波變異的二進(jìn)制粒子群算法及應(yīng)用研究.pdf
- 應(yīng)激狀態(tài)監(jiān)測(cè)中基于二進(jìn)制粒子群優(yōu)化和KNN模型的算法研究.pdf
- 基于二進(jìn)制粒子群及模糊數(shù)據(jù)挖掘的配電網(wǎng)故障恢復(fù)研究.pdf
- 1.4.2二進(jìn)制數(shù)
- 二進(jìn)制和非二進(jìn)制LDPC譯碼器的FPGA設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于動(dòng)態(tài)二進(jìn)制翻譯的硬件支持Profiling方法研究.pdf
- 二進(jìn)制格雷碼與自然二進(jìn)制碼的互換
- 基于二進(jìn)制描述子的工件識(shí)別方法研究.pdf
- 基于局部二進(jìn)制模式的人臉檢測(cè)方法研究.pdf
- 基于二進(jìn)制可辨矩陣的屬性約簡(jiǎn)研究.pdf
- 基于QEMU的動(dòng)態(tài)二進(jìn)制翻譯優(yōu)化研究.pdf
- 改進(jìn)二進(jìn)制粒子群算法在梯級(jí)水電站AGC中的應(yīng)用研究.pdf
- 基于先驗(yàn)信息和二進(jìn)制微粒群算法的基因選擇方法研究.pdf
評(píng)論
0/150
提交評(píng)論