多特征SVM-DS融合决策的缺陷识别

摘要：

分析超声检测缺陷信号模式识别中存在的问题.提出一种将支持向量机(Support vector machine,SVM)和DS(Shafer- Dempster)证据理论相结合的多特征融合决策识别方法.阐述支持向量机解决分类问题的原理以及证据理论中的Dempster合成规则.将证据理论中的识别框架引入到缺陷类型识别,设计多缺陷类型的多特征SVM-DS融合决策规则.介绍4种不同空间域的特征提取方法以用于多特征融合决策识别.分别将单特SVM识别和SVM-DS融合决策识别应用于石油套管4种典型缺陷的识别.对比试验表明:SVM-DS融合决策识别方法能有效识别上述典型缺陷,其在识别率和泛化性方面都比单特征的SVM识别有优势.

关键词：支持向量机、证据理论、融合决策、缺陷识别

所属期刊栏目：46

分类号：TP20(自动化技术及设备)

在线出版日期：2010-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-105