基于PSO-SVM的重轨标识识别方法研究

• 作者: 刘琴 楚红雨 米曾真 谢志江
• 来源期刊: 现代科学仪器
• 学科: 工学
• 关键词: 标识识别 区域定位 支持向量机 粒子群算法
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 仪器研制与开发
• 页码范围: 87-90
• 分类号: TP391
• 语种: 中文

摘要

重轨标识自动识别对于企业的质量控制至关重要,针对目前主要依靠人工检测法来观察重轨字符的现状,提出利用机器视觉获得图像进行标识识别的思想：在对图像的字符区域进行定位之后,利用基于粒子群算法的支持向量机参数选择方法对重轨标识进行分类。实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的分类精度与检测效率,其训练集的字符识别准确率达到了99%,测试集的准确率达到了83%,训练时间为62.195s,各项指标高于遗传算法优化的支持向量机回归模型。能够用于重轨标识的在线检测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢志江	重庆大学机械传动国家重点实验室	159	1375	19.0	29.0
2	楚红雨	西南科技大学信息工程学院	28	110	6.0	8.0
3	刘琴	重庆大学机械传动国家重点实验室	10	48	4.0	6.0
4	米曾真		1	1	1.0	1.0