Relief-MRMR-SVM在煤矸图像分类的研究

• 作者: 张释如 朱萌
• 来源期刊: 煤炭工程
• 学科: 工学
• 关键词: 图像分类 特征选择 最大相关最小冗余算法 局部二值模式 煤和矸石
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 研究探讨|Research and Discussion
• 页码范围: 139-144
• 页数: 6页
• 分类号: TD94|TP391.41
• 语种: 中文
• DOI: 10.11799/ce202204025

摘要

煤和矸石的图像分类是实现煤矸自动分选的关键环节.为提高煤矸分选模型的准确性和稳定性,提出了一种结合Relief、MRMR算法及SVM分类器构建的混合式特征选择及分类方法,提取煤矸图像的颜色及纹理共26个特征对其分类进行研究.在提取纹理时联合使用了LBP局部和GLCM全局特征,有助于提高分类的准确性.利用该特征选择方法选出最优特征子集后,用粒子群和支持向量机算法构建P SO-SVM最佳参数模型进行煤矸分类.结果显示,该方法能剔除较多冗余特征,提高煤矸分类的效率;在两个数据集上,该模型的平均分类准确率分别达到96.12％和94.17％,证明了方法的有效性和模型的稳定性.