基于支持向量机参数优化的图像特征智能辨识
随着人工智能时代的到来,智能算法应具有较强的非线性映射能力、数据处理能力和泛化能力等.文章基于支持向量机(PSO)参数优化的算法实现图像特的智能辨识.首先,理论分析SVM分类过程,明确影响SVM分类性能的重要因素.其次,选择四种不同胃状的图像特征信息作为分类对象,对特征信息进行了预处理操作,消除了量纲及量级对分类效果的影响.最后,经过粒子群优化(PSO)算法实现SVM的参数寻优,建立优化模型,可视化分类结果.结果表明,PSO-SVM的分类准确率高达95%,说明基于PSO-SVM的人工智能技术可以提供一个方法来实现图像特征的智能辨识.
人工智能、支持向量机、粒子群优化、参数寻优、图像识别
16
TP393(计算技术、计算机技术)
2020-03-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
173-175,177