摘要：發(fā)明涉及一種基于KAP樣本優(yōu)化的KNN卷鋼圖片數(shù)據(jù)的卷剛狀態(tài)分類識(shí)別方法，KAP是一種快速高效的聚類算法，通過計(jì)算特征之間的相互關(guān)系來聚類，通過聚類選取各類樣本中具有代表性的特征樣本組成新的樣本空間，通過固定KAP算法中的參數(shù)K，保證新的樣本空間中各個(gè)類樣本數(shù)目的均衡。利用PCA算法對(duì)特征進(jìn)行降維，在保證分類精度的情況下提高來方法的運(yùn)行速度。本發(fā)明可以實(shí)現(xiàn)在復(fù)雜自然環(huán)境背景下對(duì)基于線陣CCD圖片的卷鋼裝載狀態(tài)進(jìn)行分類識(shí)別。該方法具有很高的分類精度和較低的誤分率，同時(shí)較快的分類速度也滿足來實(shí)際需要。
- 專利類型發(fā)明專利
- 申請(qǐng)人西北工業(yè)大學(xué);
- 發(fā)明人俞大海;韓軍偉;王東陽;郭雷;
- 地址710072 陜西省西安市友誼西路127號(hào)
- 申請(qǐng)?zhí)?/b>CN201310612999.0
- 申請(qǐng)時(shí)間2013年11月25日
- 申請(qǐng)公布號(hào)CN103632164A
- 申請(qǐng)公布時(shí)間2014年03月12日
- 分類號(hào)G06K9/62(2006.01)I;G06K9/66(2006.01)I;
教育裝備采購(gòu)網(wǎng)企業(yè)微信客服
京公網(wǎng)安備11010802043465號(hào)
