基于SVM的通信设备部件识别研究

• 作者: 张文 王黎 罗林
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: SIFT特征 K-means聚类 支持向量机
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 研究与探讨
• 页码范围: 142-144
• 页数: 3页
• 分类号: TN806
• 字数: 2921字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2016.02.037

摘要

为解决大型通信设备的部件识别问题,提出了一种将SIFT特征和SVM相结合的分类方法.首先,通过SIFT算法得到样本图片的feature集即特征向量,并通过K-means聚类算法得到中心矩阵,再分别将所有feature集与中心矩阵作欧氏距离计算并统计最小值位置,即可得到输入数据;然后,采用以高斯径向基函数为核函数的一对多SVM分类器进行训练;最后,对新的输入数据进行检测,并得到输出结果.试验结果表明,基于SVM的分类方法能够有效提高分类正确率,并达到92％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王黎	西南交通大学物理科学与技术学院光电工程研究所	155	1580	20.0	31.0
2	罗林	西南交通大学物理科学与技术学院光电工程研究所	37	136	7.0	10.0
3	张文	西南交通大学物理科学与技术学院光电工程研究所	4	2	1.0	1.0