基于粗糙集与支持向量机的禽蛋蛋壳无损检
, PP. 167-171
Keywords: 蛋壳,无损检测,支持向量机,粗糙集
Abstract:
针对当前禽蛋蛋壳无损检测系统存在检测精度不高的问题，提出粗糙集和支持向量机相结合的方法进行分类器的设计。首先，基于粗糙集理论对特征参数集进行属性约简，在约简过程中，利用模糊C均值聚类算法对特征参数进行量化，并基于属性重要性的启发式搜索对条件属性进行约简；然后，在属性约简的基础上完成支持向量机分类器的训练，在训练过程中，通过交叉验证法对分类器模型参数进行了优化。实验结果表明该方法的分类准确率能够达到94.6%，具有良好的工程应用价值。
| [1] | Vapnik V N. The nature of statistical learning theory[M]. Second edition. New York: Spring-Verlag, 1999.
|
| [2] | 周平 刘俭英 文友先.基于支持向量机的鸭蛋破损检测技术[J].农业机械学报,2008,39(1):195-197.
|
| [3] | 何丽红 文友先.倒谱和功率谱分析在禽蛋破损检测中的应用[J].农机化研究,2007,(11):192-194.
|
| [4] | 徐袭 姚琼荟 石敏.基于粗糙集与支持向量机的故障智能分类方法[J].计算技术与自动化,2006,25(3):32-34.
|
| [5] | 陈果.基于遗传算法的支持向量机时间序列预测模型优化[J].仪器仪表学报,2006,27(9):1080-1084.
|
| [6] | 文友先 余佑生 等.鸭蛋破损检测的试验研究[J].华中农业大学学报,:.
|
| [7] | 姜瑞涉 王俊 陆秋君 等.鸡蛋敲击响应特性与蛋壳裂纹检测[J].农业机械学报,2005,36(3):75-78.
|
| [8] | 肖建华.智能模式识别方法[M].广州:华南理工大学出版社,2006.
|
Full-Text
