基于降维融合特征和集成学习的织物疵点分类

作者：夏雨薇; 石美红; 贺飞跃; 赵雪青

来源：国外电子测量技术, 2019, 38(07): 86-91.

DOI：10.19652/j.cnki.femt.1801388

• 织物疵点
• 分类
• 主成分分析
• 特征融合
• 集成学习

为提高织物疵点分类的准确性和泛化能力,提出了一种基于降维融合特征和集成学习的织物疵点分类方法。根据织物疵点的特点,提取织物图像的纹理和局部目标的表象及形状特征,通过主成分分析处理,得到优化的不相关融合特征,然后利用Stacking集成学习方法对随机森林、支持向量机、K-近邻、决策树等多分类器的学习结果进行再学习得到最终分类结果。在TILDA数据集上的实验结果表明,与特征融合前相比,通过降维融合后的特征,分类准确率提高4%;与集成学习前相比,其分类性能更好,准确率为96.8%。

• 单位
  西安工程大学