基于GA-SVM的带钢表面缺陷模式识别.pdfVIP

第 23 卷 第 21 期 电子设计工程 2015 年 11 月 Vol.23 No.21 Electronic Design Engineering Nov. 2015 基于GA-SVM 的带钢表面缺陷模式识别 陈 功 ， 苗 瑞 ， 张 洁 （上海交通大学 机械与动力工程学院 ， 上海 200240 ） 摘要 ： 带钢的表面缺陷模式识别是一个生产当中遇到的多分类问题 。 传统分类器面对多分类问题往往出现泛化性能 差 ，过度学习 ，识别率低等问题 。 本文采用遗传算法 （GA ）对支持向量机 （SVM ）分类器进行参数优化 ，并将其应用于带 钢表面缺陷分类的模式分类 。 实验数据来源于 UCI 标准数据集 ， 采用 10 折交叉验证法进行分类仿真 。 通过与传统 SVM 分类器以及 BP 神经网络等方法进行对比 ，GA-SVM 模型的分类准确率更高 ， 对带钢表面缺陷多分类问题有一 定指导作用 。 关键词 ： 表面缺陷分类 ； 遗传算法 ； 支持向量机 ； 泛化性能 中图分类号 ： 文献标识码 ： 文章编号 （ ） TP391.41 A ： 1674－6236 2015 21-0009-03 Pattern recognition of strip surface defects based on GA-SVM CHEN Gong ， MIAO Rui ， ZHANG Jie （School of Mechanical Engineering ， Shanghai Jiaotong University ， Shanghai 200240 ， China ） Abstract: Strip surface defect classification is a multi鄄classification problem encountered in the production. Traditional classifiers are often faced with the problem like poor generalization performance ， excessive learning and low accuracy. In this paper ， SVM model optimized by GA was implemented for systematical research of strip surface defect classification problem. In the paper ， UCI database was implanted as experimental data ， and 10-fold cross鄄validation was used for simulation. The result showed that GA-SVM model worked better on accuracy than traditional SVM ， BP neural networks and some other methods ， which had a guiding role on strip surface defect classification. Key words: Strip surface defect classification ； genetic algorithm ； sup