多特征SVMDS融合决策的缺陷识别.pdfVIP

  1. 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. 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. 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. 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. 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. 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. 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
查看更多
多特征SVMDS融合决策的缺陷识别.pdf

第 46卷第 16期 机 械 工 程 学 报 VO1.46 NO.16 2010 年 8 月 JOURNALOFMECHANICALENGINEERING Aug. 2010 DoI:lO.3901,JM E.2010.16.101 多特征SVM.DS融合决策的缺陷识别 车红昆 吕福在 项 占琴 (浙江大学现代制造工程研究所 杭州 310027) 摘要:分析超声检测缺陷信号模式识别中存在的问题。提出一种将支持向量机(Supportvectormachine,SVM)和 DS(Shafer_ Dempster)h~据理论相结合的多特征融合决策识别方法。阐述支持向量机解决分类 问题的原理以及证据理论中的Dempster合 成规则。将证据理论中的识别框架引入到缺陷类型识别,设计多缺陷类型的多特征SVM.DS融合决策规则。介绍4种不同空 间域的特征提取方法 以用于多特征融合决策识别。分别将单特 SVM 识别和 SVM.DS融合决策识别应用于石油套管4种典型 缺陷的识别。对比试验表明:SVM.DS融合决策识别方法能有效识别上述典型缺陷,其在识别率和泛化性方面都比单特征的 SVM识别有优势。 关键词:支持向量机 证据理论 融合决策 缺陷识别 中图分类号:TP20 DefectsIdentificationbySVM --DSFusionDecision--makingwith M ultipleFeatures CHEHongkun L0Fuzai XIANGZhanqin (InstitueofModemManufacturingEngineering,ZhejiangUniversity,Hangzhou310027) Abstract:Problemsofsignalpattem recong ition fordefectsidentification inultrasonicinspectionareanalyzed.A new fusion decision—makingmethodbaseonmultiplefeaturesexrtactionispresented,whichcompoundswithsupportvectormachinetheoryand evidencetheory.TheprinciplesofSVM mehtodandtheDempsterufsionareinrtoduced.TheconceptsofDSrfamewo~ raereferred tOdefectidentification.andtheufsiondecision—makingrulesraedesing edtoresolveidentificationofmultipledefectswiht features extractedfrom differentways.Fourfeaturesexrtactionmehtodsfrom differentspatialdomainsofasingalraepresentedforufsion decision-makingrecong ition.Experimentswiht bothSVM mehtodandSVM —DSmehtodarecarriedouttoidentifyhteofurtypical defectsinoilcasingpipes.TheresultshowsthatthesaidtypicaldefectscanbeidentifiedeffectivelybySVM-DSmehtod,andboth recognitionrateandgeneralizationraebetterthna SVM method. Keywords: Supportvectormachine Evidencetheory Fusiondecision-mkaing Defectidentification 的空间域提取信号特征,如时域、频域、时频域和 0 前言

文档评论(0)

docindpp + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档