基于改进蚁群算法的棉花异性纤维目标特征选择方法 Feature Selection for Cotton Foreign Fiber Objects Based on Improved Ant Colony Algorithm.pdfVIP

下载本文档

7
0
约1.97万字
约 6页
2017-09-03 发布于湖北
举报
版权申诉

基于改进蚁群算法的棉花异性纤维目标特征选择方法 Feature Selection for Cotton Foreign Fiber Objects Based on Improved Ant Colony Algorithm.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

201 1年4月农业机械学报第42卷第4期基于改进蚁群算法的棉花异性纤维目标特征选择方法木赵学华1 李道亮2 杨文柱3 陈桂芬1 于合龙1 张馨4 (1．吉林农业大学信息技术学院，长春130118；2．中国农业大学信息与电气工程学院，北京100083； 3．河北大学数学与计算机学院，保定071002；4．山东农业大学机械与电子工程学院，泰安271018) 【摘要】为提高基于机器视觉的棉花异性纤维在线分类的精度和速度，提出一种基于改进蚁群算法的棉花异性纤维图像目标特征选择方法。采用初始选择概率预处理方案，设置特征初始概率，降低了冗余特征影响，缩短了算法搜索时间；利用分段变异运算及取优舍劣策略，对棉花异性纤维的颜色、纹理、形状3类特征进行分段变异，避免了算法局部收敛，选出了全局最优特征集。实验结果表明，改进的蚁群算法比基本蚁群算法优化能力更强，搜索时间更短，优化得到的棉花异性纤维特征子集的特征个数比原特征集减少了2／3，分类正确率由84％提高到93％。关键词：棉花异性纤维图像处理特征选择蚁群算法中图分类号：TP391．41文献标识码：A 文章编号：1000-1298(2011)04-0168-06 FeatureSelectionforCotton Fiber Basedon ForeignObjects Ant ImprovedColonyAlgorithm Li Xin4 ZhaoXuehual Wenzhu3ChenGuifenlYu Daolian92Yang Helon91Zhang and (1．CollegeofInformationTechnologyScience，JilinAgriculturalUniversity，Changchun130118，China andElectrical 2．CollegeofInformation Engineering，ChinaUniversity，Be聊ng100083，China Agricultural Mathematicsand 07 3．Collegeof ComputerScience，HebeiUniversity，Baoding1002，China andElectronic 4．CollegeofMechanical 271018，China) Engineering，ShandongAgriculturalUniversity，Taian Abstract An featuresubsetselectionmethodbasedon ant was optimal improvedcolonyalgorithmpresented． Theinitial ofthefeaturewasrelatedtothe ofclassificationofthe feature， probability ability separate whichwa