基于降维融合特征和集成学习的织物疵点分类
为提高织物疵点分类的准确性和泛化能力,提出了一种基于降维融合特征和集成学习的织物疵点分类方法.根据织物疵点的特点,提取织物图像的纹理和局部目标的表象及形状特征,通过主成分分析处理,得到优化的不相关融合特征,然后利用Stacking集成学习方法对随机森林、支持向量机、K-近邻、决策树等多分类器的学习结果进行再学习得到最终分类结果.在TILDA数据集上的实验结果表明,与特征融合前相比,通过降维融合后的特征,分类准确率提高4%;与集成学习前相比,其分类性能更好,准确率为96.8%.
织物疵点、分类、主成分分析、特征融合、集成学习
38
TP391.4(计算技术、计算机技术)
国家自然科学基金青年科学基金11501436;陕西省教育厅科研计划16JK1326;西安工程大学博士科研启动基金BS1420
2019-10-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
86-91