SVM內核構建與優(yōu)化在羽絨檢測系統(tǒng)中的應用.pdf

1、支持向量機(SVM)是建立在統(tǒng)計學習理論(SLT)的VC維理論和結構風險最小原理基礎上的一種新的通用學習方法，它根據有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，以期獲得最好的推廣能力。目前，在模式識別方面，SVM算法在精度上已經超過傳統(tǒng)的學習算法或與之不相上下。 核函數是SVM方法中少數幾個能夠調整的參數之一，由于核函數的形式及其參數的確定決定了分類器類型和復雜程度，它顯然應該作為控制分類器性能的手段。本文針對實際問

2、題，即針對一款基于支持向量機的羽絨種類自動檢測系統(tǒng)，重點對核函數及其參數的選擇進行了探討和研究，看能否進一步提高該系統(tǒng)的識別率。基于此，本文的主要工作如下： 1、在對圖像處理、SVM理論等知識進行了探討的基礎上，對內核及其參數的選擇進行了重點研究，并提出利用優(yōu)化算法選擇最佳內核參數來提高系統(tǒng)的性能。通過對優(yōu)化算法及內核優(yōu)化思想的的研究，來確定最佳內核及其參數，從而在對羽絨圖像中的菱節(jié)進行識別時，識別率能有顯著提高，之后對識別出的

3、菱節(jié)進行配對、計算節(jié)距來最終確定羽絨的種類為鵝絨、鴨絨或非鵝鴨絨時，使整體識別率得到提高。 2、對構建新內核進行了研究，并將之與內核優(yōu)化思想相結合進行了探討。通過對多個內核的測試比較，使羽絨種類自動檢測系統(tǒng)中所選內核及其參數為最佳，并完善了羽絨種類自動檢測系統(tǒng)的軟件設計。在Windows 2000下，以VC++6.0為開發(fā)平臺最終開發(fā)出了界面友好、操作簡單、識別結果比較滿意的羽絨種類自動檢測系統(tǒng)軟件。 基于SVM的羽絨種