基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
特征提取是本色布疵点分类最关键的问题.针对本色布疵点类型多、形态变化大,使得本色布疵点特征提取算法很难实现的问题,从分析本色布编织方法出发,分析本色布图像的特点,发现本色布图像中存在极强的相关性.采用主成分分析法(PCA)对本色布图像进行去相关性处理,将图像压缩到前k个最大方差的子空间,作为图像的特征向量.在含有457幅训练样本,795幅测试样本的平纹本色布数据集上,最大分类准确率达99.11%.
推荐文章
基于主成分分析法的江西无水港选址
无水港
主成分分析法
选址
指标因素
基于主成分分析法的深基坑支护方案优选模型
深基坑支护
方案优选
主成分分析法
紫外可见主成分分析法对蓝色签字笔油墨的分类研究
主成分分析
紫外可见
蓝色签字笔油墨
薄层色谱法
主成分分析法在油田回注水水质分析中应用
主成分分析
SPSS分析
注入水水质
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主成分分析法的本色布疵点分类算法
来源期刊 毛纺科技 学科 工学
关键词 本色布 疵点检测 主成分分析 图像分析
年,卷(期) 2019,(2) 所属期刊栏目 标准与测试
研究方向 页码范围 70-73
页数 4页 分类号 TS101.923.9
字数 2946字 语种 中文
DOI 10.19333/j.mfkj.2018030410204
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
本色布
疵点检测
主成分分析
图像分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
毛纺科技
月刊
1003-1456
11-2386/TS
国标16
北京朝阳区延静里中街3号主楼603室
2-195
1973
chi
出版文献量(篇)
4504
总下载数(次)
10
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导