遗传算法在缺陷特征选择中的研究

被引：11

作者：

韩建松 ^{[1
]}

吴贵芳 ^{[1
]}

徐科 ^{[2
]}

徐金梧 ^{[2
]}

机构：

[1] 河南科技大学电子信息工程学院

[2] 北京科技大学高效轧制国家工程研究中心

来源：

计算机工程与应用 | 2009年 / 45卷 / 15期

关键词：

遗传算法; 特征选择; 信息熵; 冷轧带钢; 表面缺陷;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

由于冷轧带钢表面缺陷的类型多种多样,在所提取的特征集中,需要寻找出一组较优的特征集,使之可以更有效地表达缺陷的本质特征,从而提高缺陷识别的准确率。针对该问题,研究了遗传算法在缺陷特征选择中的应用,并在充分研究信息熵理论的基础上,以平均净分类信息为遗传算法的适应度函数,以弥补互信息熵作为适应度函数所导致的不足。实验表明,利用遗传算法得到的特征集,对现场的冷轧带钢表面缺陷进行分类时,能得到更高的分类准确率。

引用

页码：241 / 244

页数：4