基于广义加权支持向量机的焊接缺陷分类方法

作者：张晓光; 肖兴明; 任世锦; 张兴敢

来源：华东理工大学学报, 2005, (05): 644-648.

DOI：10.14135/j.cnki.1006-3080.2005.05.021

• 广义加权支持向量机
• 样本不平衡
• 样本重要性
• 有监督聚类
• 焊接缺陷
• 分类 GWSVM
• sample imbalance
• sample importance
• cluster with supervision
• welding (defect)
• classification

提出了一种广义加权支持向量机(GW SVM)的焊接缺陷分类算法。首先为克服由于样本数量不平衡性引起的小样本类别精度差的问题,引入由于样本差异的权重;然后为解决不同类别的重要性要求,根据经验人工确定不同类别重要性的权重。针对样本重要性的影响,采用有监督模糊聚类方法来确定样本重要性权重。测试结果表明:广义加权支持向量机在噪声影响较大及样本类别相差较大时,能够提高重要的、数量少的缺陷检测精度。

• 单位
  中国矿业大学; 中国矿业大学（北京）; 工业控制技术国家重点实验室; 机电工程学院; 南京大学