基于图像纹理特征和多级SVM的浮选过程状态识别方法
来源期刊：控制与决策2010年第10期
论文作者：王介生 高宪文 张勇
文章页码：1523 - 3061
关键词：浮选过程;纹理特征;多级支持向量机;粒子群算法;
摘 要：针对浮选泡沫图像的纹理特征,采用多级支持向量机(MLSVMs)方法对浮选生产过程状态进行识别.首先基于灰度共生矩阵,提取浮选泡沫图像的诸如能量、熵及惯性等纹理特性参数来描述浮选泡沫的视觉特征;然后采用归一化后的纹理特征数据样本分别对多级支持向量机进行训练和识别.MLSVMs模型核函数参数采用改进惯性权重的粒子群算法进行优化.测试结果表明,所提出的方法在训练时间和识别正确率上具有较好的性能,可以满足浮选过程的实时监控要求.
王介生1,2，高宪文2，张勇1
1. 辽宁科技大学电子信息与工程学院2. 东北大学信息科学与工程学院
摘 要：针对浮选泡沫图像的纹理特征,采用多级支持向量机(MLSVMs)方法对浮选生产过程状态进行识别.首先基于灰度共生矩阵,提取浮选泡沫图像的诸如能量、熵及惯性等纹理特性参数来描述浮选泡沫的视觉特征;然后采用归一化后的纹理特征数据样本分别对多级支持向量机进行训练和识别.MLSVMs模型核函数参数采用改进惯性权重的粒子群算法进行优化.测试结果表明,所提出的方法在训练时间和识别正确率上具有较好的性能,可以满足浮选过程的实时监控要求.
关键词：浮选过程;纹理特征;多级支持向量机;粒子群算法;
