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

1、支持向量機(SVM)是建立在統(tǒng)計學習理論(SLT)的VC維理論和結(jié)構(gòu)風險最小原理基礎(chǔ)上的一種新的通用學習方法，它根據(jù)有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，以期獲得最好的推廣能力。目前，在模式識別方面，SVM算法在精度上已經(jīng)超過傳統(tǒng)的學習算法或與之不相上下。 核函數(shù)是SVM方法中少數(shù)幾個能夠調(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雜程度，它顯然應該作為控制分類器性能的手段。本文針對實際問

2、題，即針對一款基于支持向量機的羽絨種類自動檢測系統(tǒng)，重點對核函數(shù)及其參數(shù)的選擇進行了探討和研究，看能否進一步提高該系統(tǒng)的識別率?；诖?，本文的主要工作如下： 1、在對圖像處理、SVM理論等知識進行了探討的基礎(chǔ)上，對內(nèi)核及其參數(shù)的選擇進行了重點研究，并提出利用優(yōu)化算法選擇最佳內(nèi)核參數(shù)來提高系統(tǒng)的性能。通過對優(yōu)化算法及內(nèi)核優(yōu)化思想的的研究，來確定最佳內(nèi)核及其參數(shù)，從而在對羽絨圖像中的菱節(jié)進行識別時，識別率能有顯著提高，之后對識別出的

3、菱節(jié)進行配對、計算節(jié)距來最終確定羽絨的種類為鵝絨、鴨絨或非鵝鴨絨時，使整體識別率得到提高。 2、對構(gòu)建新內(nèi)核進行了研究，并將之與內(nèi)核優(yōu)化思想相結(jié)合進行了探討。通過對多個內(nèi)核的測試比較，使羽絨種類自動檢測系統(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檢測系統(tǒng)的軟件設(shè)計。在Windows 2000下，以VC++6.0為開發(fā)平臺最終開發(fā)出了界面友好、操作簡單、識別結(jié)果比較滿意的羽絨種類自動檢測系統(tǒng)軟件。 基于SVM的羽絨種