基于BPSO的棉花异性纤维目标特征快速选择方法

被引：5

作者：

王金星

李恒斌

王蕊

刘双喜

曹维时

闫银发

机构：

[1] 山东农业大学机械与电子工程学院

来源：

农业机械学报 | 2013年 / 44卷 / 02期

关键词：

棉花; 异性纤维; 支持向量机; 离散型粒子群优化算法; 特征选择;

D O I：

暂无

中图分类号：

S562 [棉]; TP391.41 [];

学科分类号：

0901 ; 080203 ;

摘要：

针对现有棉花异性纤维目标特征选择方法迭代次数多、速度慢等问题,提出了一种基于改进粒子群优化算法的棉花异性纤维目标特征快速选择方法。使用离散型粒子群优化算法作为特征选择算法,利用支持向量机算法作为分类器对最优特征集进行验证。实验结果表明,在分类准确率与蚁群算法相当的情况下,能减少26%的运行时间。

引用

页码：188 / 191

页数：4

共 11 条

[1] 基于改进蚁群算法的棉花异性纤维目标特征选择方法 [J].

赵学华 ;

李道亮 ;

杨文柱 ;

陈桂芬 ;

于合龙 ;

张馨 .

农业机械学报, 2011, 42 (04) :168-173

[2]

基于零范数特征选择的支持向量机模型[J]. 刘峤,秦志光,陈伟,张凤荔. 自动化学报. 2011(02)

[3] 一种基于遗传算法和SVM的特征选择 [J].

黄炜 ;

黄志华 .

计算机技术与发展, 2010, 20 (06) :21-24

[4] 基于改进遗传算法的棉花异性纤维目标特征选择 [J].

杨文柱 ;

李道亮 ;

魏新华 ;

康玉国 ;

李付堂 .

农业机械学报, 2010, 41 (04) :173-178

[5] 基于自动视觉检测的棉花异性纤维分类系统 [J].

杨文柱 ;

李道亮 ;

魏新华 ;

康玉国 ;

李付堂 .

农业机械学报, 2009, 40 (12) :177-181+227

[6] 棉花异性纤维的动态识别技术研究 [J].

郑文秀 ;

王金星 ;

刘双喜 ;

康玉国 ;

李付堂 .

仪器仪表学报, 2009, 30 (10) :2203-2207

[7] 解决棉花中异性纤维的建议 [J].

朱仲堂 .

中国纤检, 2007, (06) :42-43

[8] 粒子群优化算法综述 [J].

杨维 ;

李歧强 .

中国工程科学, 2004, (05) :87-94

[9] 棉花异性纤维的定义和评定方法探讨 [J].

冯万众 .

纤维标准与检验, 2000, (01) :35-37

[10] 谈棉花中异性纤维对纺织企业的影响 [J].

陈兆顺 .

纤维标准与检验, 1996, (10) :45-45

← 1 2 →