

已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀
版權說明: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,請進行舉報或認領
文檔簡介
1、板帶材的生產(chǎn)過程中,由于連鑄鋼坯、軋制設備、加工工藝等多方面的原因,導致板帶材表面出現(xiàn)邊緣鋸齒、焊縫、夾雜、抬頭紋、刮痕、裂紋、針眼、結疤、孔洞、麻面、麻坑等不同類型的缺陷,這些缺陷不僅影響產(chǎn)品的外觀質(zhì)量,而且會降低產(chǎn)品的抗腐性、耐磨性和其他強度性能。欲提高板帶材的表面質(zhì)量,必須首先解決板帶材表面缺陷的檢測與分類問題,繼而分析相應缺陷產(chǎn)生的原因,最終提出消除缺陷的解決方案。 在研究中,提出基于類距離的可分離性判據(jù),基于類距離的可
2、分離性判據(jù)的特征向量提取方法可以提取出最大可分離性的特征向量。該方法以小波變換的L1范數(shù)特征和灰度共生矩陣二次統(tǒng)計特征為基礎,選擇在各個特定類中保持相對穩(wěn)定,而在不同的類之間則差別較大的統(tǒng)計量作為混合加權特征的特征分量,再以此特征向量為原始向量,運用基于類距離的可分離性判據(jù)原理提取出最大可分離性特征向量,大大提高了特征的分類有效性。 在提取特征的基礎上,本文采用基于漸進直推式支持向量機和最近鄰支持向量機的分類器,兼顧了識別準確率
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的帶鋼表面缺陷識別研究.pdf
- 基于支持向量機的帶鋼表面缺陷識別問題研究.pdf
- 基于支持向量機的冷軋鋁板表面缺陷分類算法的研究.pdf
- 基于AdaBoost分類器的帶鋼表面缺陷識別研究.pdf
- 基于加權特征的冷軋帶鋼典型表面缺陷圖像混合模式分類識別.pdf
- 基于支撐向量機的鋁板表面缺陷分類.pdf
- 基于流形支持向量機的木材表面缺陷識別方法的研究.pdf
- 基于支持向量機的SAR目標分類識別.pdf
- 基于改進支持向量機的貨幣識別研究.pdf
- 基于機器學習的帶鋼表面缺陷分類.pdf
- 基于小波和支持向量機的基樁缺陷識別.pdf
- 基于支持向量機和極限學習機的管道缺陷分類方法研究.pdf
- 基于支持向量機的人臉識別改進算法.pdf
- 基于支持向量機的尿液粒子識別分類研究.pdf
- 基于并行分類器集成的板帶鋼表面缺陷圖像識別.pdf
- 若干改進的支持向量分類機.pdf
- 基于改進支持向量機的網(wǎng)頁自動分類研究.pdf
- 基于混合向量和支持向量機的金屬斷口圖像識別與分類.pdf
- 帶鋼表面缺陷識別算法研究.pdf
- 基于改進支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
評論
0/150
提交評論