多颜色模型分割自学习k-nn设备状态识别方法 multi-color space threshold segmentation and self-learning k-nn algorithm for surge test eut status identification.pdfVIP

多颜色模型分割自学习k-nn设备状态识别方法 multi-color space threshold segmentation and self-learning k-nn algorithm for surge test eut status identification.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
多颜色模型分割自学习k-nn设备状态识别方法 multi-color space threshold segmentation and self-learning k-nn algorithm for surge test eut status identification

第42卷第4期 中国测试 V01.42No.4 2016年4月 CHINAMEASUREMENT&TEST April,2016 多颜色模型分割自学习k-NN设备状态识别方法 郭雪梅1,刘桂雄2 (1.广东省自动化研究所,广东广州510070;2.华南理工大学机械与汽车工程学院,广东广州510641) 摘要:在浪涌测试中,由于每次识别对象不同,直接采用特征匹配每次测试前需要根据受试设备重新训练样本。先根 据图像中高亮度点、白光所占比例,决策用于图像分割的颜色模型(Lab+、HSL、HSV),实现自适应分割;其次,提出自 学习k-NN算法,以像素数n、偏心率e、密实度比r、欧拉数E为样本S特征向量X,构建数据集%,以欧氏距离D实 现样本分类;若样本置信度为k,加入预备数据集贮’中,当疋’满足条件,则扩充数据集£形成数据集正。结果证明: 算法在9组各类样本(共21600帧图像)识别中,准确度可达98.65%;并自学习扩充5组样本,距离矩阵变化较小,可 见算法学习效率、学习准确度较高。 关键词:多颜色模型;k近邻算法;自学习;浪涌测试 文献标志码:A 文章编号:1674—5124(2016)04—0107—04 Multi--colorthreshold and k-NN for space segmentationserf-learning algorithm testEUTstatusidentification surge GUO Xuemeil,LIU Guixiong。2 Instituteof 510070,China; (1.Guangzhou Automation,Guangzhou 2.SchoolofMechanicalandAutomotive China of Engineering,SouthUniversityTechnology, 510641,China) Guangzhou Abstract:Astheidentification indifferent to be vary tests,new need objects surge samples trainedfor timewhen is undertesteach feature usedto equipment matching identifyequipment threshold status.Therefore.multi—color and k—NN were segmentation s

您可能关注的文档

文档评论(0)

118zhuanqian + 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