作者:
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:
提出使用主成分分析(P C A)和支持向量机(S V M)对研磨后的陶瓷零件进行正废品检测.首先利用主成分分析法对研磨后的陶瓷零件进行特征提取,然后在支持向量机的算法上进行识别验证.通过实验分析,在阈值取0.93时,对研磨后的陶瓷零件正废品检测的识别率最高.
推荐文章
基于机器视觉的零件颜色识别系统
机器视觉
颜色识别
阈值
二值化
基于Harris角点检测的零件形状识别
Harris角点检测
滤波
形状匹配
基于图像处理与卷积神经网络的零件识别
零件识别
图像饱和度
种子填充法
尺度不变特征转换
卷积神经网络
机械零件识别系统的研究
神经网络
边界矩
机械零件
模式识别
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PCA和SVM的陶瓷零件研磨后的正废品识别
来源期刊 信息记录材料 学科
关键词 陶瓷零件 主成分分析 特征提取 支持向量机
年,卷(期) 2021,(5) 所属期刊栏目 综述与论著
研究方向 页码范围 8-10
页数 3页 分类号 TP391
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (6)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(11)
  • 参考文献(1)
  • 二级参考文献(10)
2017(16)
  • 参考文献(0)
  • 二级参考文献(16)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
陶瓷零件
主成分分析
特征提取
支持向量机
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
信息记录材料
月刊
1009-5624
13-1295/TQ
大16开
河北省保定市乐凯南大街6号
18-185
1978
chi
出版文献量(篇)
9919
总下载数(次)
46
总被引数(次)
13955
论文1v1指导