基于加权马氏距离多核学习的外观缺陷分类

作者：张淑行; 连晓峰; 王焜

来源：传感器与微系统, 2020, 39(10): 129-134.

DOI：10.13873/J.1000-9787(2020)10-0129-03

• 加权马氏距离
• 线性判别分析
• 支持向量机
• 多核学习
• 外观缺陷

基于马氏距离的支持向量机(MD-SVM)因具有考虑样本总体分布、消除各特征之间的耦合关系、与量纲无关等特性,在工业产品外观缺陷分类中应用广泛。考虑到马氏距离(MD)中总体协方差矩阵的类内、类间协方差矩阵对分类结果的影响不同,因此给两者设置不同权重系数,提出一种加权马氏距离支持向量机(WMD-SVM)模型。训练样本集得到最优权重系数;针对不同缺陷图像特征选择合适的核函数,并将提出的改进模型应用于各核函数,构成多核学习模型。用模糊约束理论求解模型中各核函数权重。实验结果表明:所提改进方法具有更优的分类精度和实时性。

• 单位
  北京工商大学