基于特征融合和GWO-SVM的铸铁金相组织分类技术研究

摘要：

针对人工金相组织定量分析效率低、主观影响较大的问题,提出基于灰度共生矩阵(GLCM)和局部二值模式(LBP)融合的铸铁金相组织分类方法.分别提取铸铁金相图片GLCM和LBP特征,并使用主成分分析(PCA)将LBP特征降维,组成特征向量;通过不同核函数的对比,选择高斯核函数(RBF)作为支持向量机(SVM)的核函数;为了提高模型的效率,采用灰狼优化算法(GWO)对核函数进行优化.结果表明,GLCM和LBP融合后的分类效果要优于单一的GLCM和LBP;基于GWO优化后的SVM分类效果也要优于RF和ELM,分类准确率可以达到98.67％.

关键词：铸铁、纹理特征、主成分分析、灰狼优化算法、支持向量机

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-05-08（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：34-38