SVM內(nèi)核構(gòu)建與優(yōu)化在羽絨檢測(cè)系統(tǒng)中的應(yīng)用.pdf

1、支持向量機(jī)(SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論(SLT)的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的一種新的通用學(xué)習(xí)方法，它根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，以期獲得最好的推廣能力。目前，在模式識(shí)別方面，SVM算法在精度上已經(jīng)超過(guò)傳統(tǒng)的學(xué)習(xí)算法或與之不相上下。 核函數(shù)是SVM方法中少數(shù)幾個(gè)能夠調(diào)整的參數(shù)之一，由于核函數(shù)的形式及其參數(shù)的確定決定了分類器類型和復(fù)雜程度，它顯然應(yīng)該作為控制分類器性能的手段。本文針對(duì)實(shí)際問(wèn)

2、題，即針對(duì)一款基于支持向量機(jī)的羽絨種類自動(dòng)檢測(cè)系統(tǒng)，重點(diǎn)對(duì)核函數(shù)及其參數(shù)的選擇進(jìn)行了探討和研究，看能否進(jìn)一步提高該系統(tǒng)的識(shí)別率。基于此，本文的主要工作如下： 1、在對(duì)圖像處理、SVM理論等知識(shí)進(jìn)行了探討的基礎(chǔ)上，對(duì)內(nèi)核及其參數(shù)的選擇進(jìn)行了重點(diǎn)研究，并提出利用優(yōu)化算法選擇最佳內(nèi)核參數(shù)來(lái)提高系統(tǒng)的性能。通過(guò)對(duì)優(yōu)化算法及內(nèi)核優(yōu)化思想的的研究，來(lái)確定最佳內(nèi)核及其參數(shù)，從而在對(duì)羽絨圖像中的菱節(jié)進(jìn)行識(shí)別時(shí)，識(shí)別率能有顯著提高，之后對(duì)識(shí)別出的

3、菱節(jié)進(jìn)行配對(duì)、計(jì)算節(jié)距來(lái)最終確定羽絨的種類為鵝絨、鴨絨或非鵝鴨絨時(shí)，使整體識(shí)別率得到提高。 2、對(duì)構(gòu)建新內(nèi)核進(jìn)行了研究，并將之與內(nèi)核優(yōu)化思想相結(jié)合進(jìn)行了探討。通過(guò)對(duì)多個(gè)內(nèi)核的測(cè)試比較，使羽絨種類自動(dòng)檢測(cè)系統(tǒng)中所選內(nèi)核及其參數(shù)為最佳，并完善了羽絨種類自動(dòng)檢測(cè)系統(tǒng)的軟件設(shè)計(jì)。在Windows 2000下，以VC++6.0為開(kāi)發(fā)平臺(tái)最終開(kāi)發(fā)出了界面友好、操作簡(jiǎn)單、識(shí)別結(jié)果比較滿意的羽絨種類自動(dòng)檢測(cè)系統(tǒng)軟件。 基于SVM的羽絨種