一种基于PCA与RBF-SVM的煤岩显微组分镜质组分类方法

• 作者: 张代林 殷子皖 王培珍 王高
• 来源期刊: 煤炭学报
• 学科: 工学
• 关键词: 煤 显微组分 主成分分析 支持向量机 镜质组 分类
• 年，卷（期）: 2017,（4）
• 页码范围: 977-984
• 页数: 8页
• 分类号: TQ533.6
• 语种: 中文
• DOI: 10.13225/j.cnki.jccs.2016.0167

摘要

在分析煤岩镜质组显微组分特点的基础上,针对其结构复杂、特征量多且相互交织从而影响分类准确性等问题,提出一种基于主成分分析(PCA)的煤岩显微组分镜质组分类方法.首先根据镜质组显微图像中各组分呈现的条状、团块、颗粒等纹理特点和亮度差异,采用基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性等纹理特征量和基于灰度分布统计的亮度比、均值、均方差、三阶矩偏度等亮度相关特征量对其进行描述,构成初始特征量集;再采用主成分分析法对初始特征量集进行进一步的抽取;最后构建基于径向基函数的支持向量机(RBF-SVM),采用积累贡献率较大的主成分作为分类参量实现镜质组的自动分类.实验结果表明:纹理和灰度统计特征可有效刻画煤岩镜质组显微组分;采用PCA对初始特征进行抽取之后,用于分类的特征空间维数大幅度降低,分类算法的泛化能力增强,分类的准确率显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王培珍	安徽工业大学电气与信息工程学院	66	556	13.0	20.0
5	张代林	安徽工业大学煤的洁净转化与综合利用安徽省重点工作室	55	393	12.0	16.0
6	王高	安徽工业大学电气与信息工程学院	7	11	1.0	3.0
7	殷子皖	安徽工业大学电气与信息工程学院	1	10	1.0	1.0