为了自动获得最具区分力的多维融合特征,提出了改进的ReliefF算法对带钢多维混合特征进行自动评估选择.针对ReliefF算法不能去除冗余特征的缺点,引入最大信息压缩准则去除冗余特征.在此基础上,采用遗传神经网络建立带钢缺陷识别的知识库,遗传算法可以自主地辨识最小的包含最优解的搜索空间,再由BP算法按负梯度方向进行权值及阈值的修正.研究结果表明:改进ReliefF算法为后续分类识别提供了最优的特征向量,减少了数据的运算量和存储量;遗传神经网络算法获得了在满足准确性前提下更高网络识别缺陷的效率.
参考文献
| [1] | Badger J.; .Automated surface inspection system[J].Iron and Steel Engineer,1996(3):48-51. |
| [2] | Software controlled on-line surface inspection[J].Steel Times International,1998(3):30-0. |
| [3] | 徐科,徐金梧,班晓娟.冷轧带钢表面质量自动监测系统的模式识别方法研究[J].钢铁,2002(06):28-31. |
| [4] | 吴贵芳,徐科,徐金梧.基于LVQ神经网络的冷轧带钢表面缺陷分类方法[J].北京科技大学学报,2005(06):732-735. |
| [5] | 段志娟,周新星,陈分雄,孙林.基于独立成分分析的冷轧带钢表面缺陷识别[J].钢铁研究学报,2011(10):63-66. |
| [6] | 胡慧君,李元香,刘茂福,梁文豪.基于机器学习的带钢表面缺陷分类方法研究[J].计算机工程与设计,2014(02):620-624. |
| [7] | Yijun Sun .Iterative RELIEF for Feature Weighting: Algorithms, Theories, and Applications[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007(6):1035-1051. |
| [8] | 钱宇华,梁吉业,王锋.面向非完备决策表的正向近似特征选择加速算法[J].计算机学报,2011(03):435-442. |
| [9] | 孔月萍,王亚安,王快社.基于不变矩的带钢数字图像的缺陷检测算法[J].无损检测,2010(01):6-8. |
| [10] | 彭铁根,何永辉,孙晨,于艳.基于数字图像处理的带钢缺陷检测和度量[J].宝钢技术,2013(01):37-42. |
| [11] | Zhang, Y.;Wu, L.;Peterson, B.;Dong, Z. .A two-level iterative reconstruction method for compressed sensing MRI[J].Journal of Electromagnetic Waves and Applications,2011(8/9):1081-1091. |
| [12] | 杨艺,韩德强,韩崇昭.基于排序融合的特征选择[J].控制与决策,2011(03):397-401. |
| [13] | 王成明,颜云辉,李骏,焦志刚.一种新的冷轧带钢典型表面缺陷特征提取方法[J].计算机工程与应用,2006(27):184-186,190. |
| [14] | 杨友文,田宗军,潘浒,王东生,沈理达.基于遗传神经网络的镍基高温合金激光熔覆层形貌质量预测[J].焊接学报,2013(11):78-82. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%