基于顺序向前浮动搜索时频优选特征的缺陷识别

• 作者: 吕福在 车红昆 项占琴
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 特征提取 顺序向前浮动搜索 Fisher准则 支持向量机
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 机械工程
• 页码范围: 2235-2239
• 页数: 5页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2011.12.025

摘要

为提高超声检测缺陷识别的正确率和泛化能力,提出一种基于小波包分解和顺序向前浮动搜索(SFFS)算法的时频最优特征提取方法.该方法结合了无监督和有监督特征提取方法的优点,局部利用样本的先验分类信息以期达到更好的识别效果.介绍上述特征提取方法中的相关理论,包括小波包变换、Fisher判据以及SFFS搜索算法.为了验证新方法的在缺陷识别方面的有效性,对石油套管上的4种典型缺陷进行识别实验.分别采用3种传统的特征提取方法,从时域、频域和小波包域提取特征用于对比实验,并采用支持向量机算法对上述不同途径获取的特征集进行识别.10组随机抽样的识别实验表明:采用小波包时频SFFS优选特征能够对上述缺陷进行有效识别,最高识别率达到93.3％,平均识别率达到89.5％.与上述3种传统的特征提取方法相比,该新方法识别率高、泛化性好,对训练样本选的选择敏感性小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	项占琴		97	1141	20.0	28.0
2	吕福在		64	786	17.0	25.0
3	车红昆		6	62	4.0	6.0