支持向量机在机械零件识别中的应用

被引:7
作者
晏开华
苏真伟
黄明飞
机构
[1] 四川大学制造科学与工程学院
关键词
支持向量机; 零件识别; Hu矩; BP神经网络;
D O I
10.16157/j.issn.0258-7998.2008.11.040
中图分类号
TP18 [人工智能理论]; TP391.4 [模式识别与装置];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 0811 ; 081101 ;
摘要
提出了一种将支持向量机(SVM)用于机械零件识别的方法。实验采用了97张零件图片,9类零件其中一部分作为训练样本,另一部分作为测试样本。提取零件的 Hu 矩作为特征向量,并将 BP神经网络与 SVM 进行了比较。实验结果表明,以多项式为核函数的 SVM 有较高的识别率。
引用
收藏
页码:108 / 110+114 +114
页数:4
相关论文
共 8 条
  • [1] 支持向量机及核函数研究
    郭丽娟
    孙世宇
    段修生
    [J]. 科学技术与工程, 2008, (02) : 487 - 490
  • [2] 基于支持向量机的手写体数字识别
    尚磊
    刘风进
    [J]. 兵工自动化, 2007, (03) : 39 - 41
  • [3] 机械零件识别系统的研究
    安新
    李丽宏
    安庆宾
    贾东立
    文露
    [J]. 微计算机信息, 2006, (19) : 236 - 238
  • [4] 基于优化最小二乘支持向量机的小样本预测研究
    朱家元
    杨云
    张恒喜
    王卓健
    [J]. 航空学报, 2004, (06) : 565 - 568
  • [5] 基于机器视觉的柔性制造岛在线零件识别系统研究[D]. 吴文荣.电子科技大学. 2006
  • [6] 基于神经网络的机械零件识别研究[D]. 欧彦江.四川大学. 2006
  • [7] 智能交通中汽车牌照自动识别系统关键技术的研究[D]. 陈鹏.中国海洋大学. 2005
  • [8] 统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000