铁路扣件图像检测中的RBF-SVM模型优化

• 作者: 刘甲甲 李柏林 江晓亮 王凯 袁建英
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 量子粒子群算法 径向基函数 支持向量机 模型优化 铁路扣件
• 年，卷（期）: 2014,（15）
• 所属期刊栏目: 博士论坛
• 页码范围: 30-33,41
• 页数: 5页
• 分类号: TP39
• 字数: 4688字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1312-0168

摘要

在开发的铁路扣件检测系统中，RBF-SVM被作为扣件图像分类识别的分类器。核参数的选择是RBF-SVM模型优化研究中的重要问题，将量子粒子群算法应用于参数的优化选择，在(c，γ)参数可调范围内产生初始种群，将种群中的个体作为RBF-SVM的参数进行学习；经过多次迭代获得最佳参数对(c，γ)，并将该参数对作为RBF-SVM的核参数训练支持向量机。实验表明，QPSO的性能优于传统的 PSO算法，该方法在解决支持向量机优化方面表现出了高效的收敛性和稳定性，并且在该方法的基础上形成的铁路扣件检测算法是切实可行的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李柏林	西南交通大学机械工程学院	139	883	15.0	21.0
2	袁建英	西南交通大学机械工程学院	17	111	7.0	9.0
3	刘甲甲	西南交通大学机械工程学院	17	204	9.0	14.0
4	王凯	西南交通大学机械工程学院	35	217	8.0	14.0
5	江晓亮	西南交通大学机械工程学院	9	50	4.0	6.0