DKSVD和SVM在钢轨裂纹漏磁识别上的对比研究

• 作者: 刘文波 张陆唯 石玉
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 钢轨裂纹检测 漏磁信号识别 支持向量机 字典学习
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 数据采集及信号处理
• 页码范围: 193-196
• 页数: 4页
• 分类号: TP391.4|TN06
• 字数: 1620字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2017.09.037

摘要

针对漏磁检测中漏磁信号识别的问题,引入DKSVD字典学习方法来识别缺陷的种类.将实验采集到的数据制作成有标签的数据集,通过OMP算法和SVD算法迭代的优化字典和稀疏系数,构造出最优字典,再用构造出的字典原子重新组合来表示测试集的数据,判别出测试集样本类别.实验证明字典学习方法能够基于训练集的特征重构漏磁信号,对漏磁信号有良好的识别能力.在不同数据维度下,通过和支持向量机(SVM)算法识别效果进行对比,DKSVD算法取得了更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文波	南京航空航天大学自动化学院	102	951	15.0	27.0
2	石玉	南京航空航天大学自动化学院	37	338	11.0	17.0
3	张陆唯	南京航空航天大学自动化学院	1	2	1.0	1.0