基于GA-SVM的岩心铸体薄片图像分类研究

摘要：

为了提高岩心铸体薄片图像分类的准确率,引入了支持向量机构建其分类模型.基于训练数据集,采用遗传算法优化支持向量机的核参数σ和惩罚因子c,建立可实现对岩心铸体薄片图像分类的支持向量机模型.接着利用相同的训练数据集对未经参数寻优的支持向量机、网格搜索法优化的支持向量机和粒子群算法优化的支持向量机分别进行训练,再对它们测试,发现遗传算法优化的支持向量机模型对大孔粗喉、中孔中喉和小孔细喉 3 种岩心铸体薄片图像的分类准确率分别达到了 100%、94%和94%,综合表现最好,而且与粒子群算法优化的支持向量机相比,它的寻优更加快速.可见,遗传算法辅助寻优的支持向量机具有更好的图像分类效果,可做进一步的推广与应用.

关键词：遗传算法、支持向量机、优化、岩心铸体薄片图像、分类

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金52074225

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：85-89,174