基于支持向量机的钢板缺陷分类问题的研究

• 作者: 丛成 吕哲 王敏 高翔
• 来源期刊: 物联网技术
• 关键词: 特征提取 主成分分析 支持向量机 Keras 神经网络 机器学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 33-35,40
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2020.04.009

摘要

现实工业生产中,钢板表面存在不同类型的缺陷,为了研究这些缺陷类型,需要对大量钢板进行特征提取,从缺陷中提取有价值的属性或度量.随后对提取的特征进行选择,选择降低缺陷分类错误的特征信息.在钢板表面缺陷检测系统中,缺陷识别是关键步骤之一,属于多分类问题.采用主成分分析对初始数据进行降维处理,然后采用支持向量机作为分类器,对钢板表面缺陷进行分类,以研究钢板的缺陷类型.同时采用基于Keras的神经网络进行对比分类,并优化钢板缺陷分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高翔	西北工业大学计算机学院	68	384	10.0	17.0
2	王敏	西北工业大学计算机学院	88	477	11.0	18.0
3	丛成		1	0	0.0	0.0
4	吕哲	西北工业大学计算机学院	1	0	0.0	0.0