基于支持向量机的织物悬垂性能评估分析

针对织物悬垂性评估中存在非线性建模困难及评估精度不高等问题,结合织物悬垂性参数数据的特点,基于Mercer核函数的性质,构建Mercer核函数的织物悬垂性评估模型。通过实验,认为其评估精度有了相应的提高,说明基于Mercer核函数的织物悬垂性评估模型是可行的。同时,通过改变参数值进行实验,结果表明这些参数的取值不同对评估结果有影响,且不同参数对评估结果影响的程度也不同,这对基于支持向量机的织物悬垂性评估过程有重要的指导作用。     

虚拟服装迁移在个性化服装定制中的应用

为解决服装定制中个性化服装开发效率低以及虚拟试衣过程繁琐等问题,首先,详细阐明了三维服装软件CLO 3D和Marvelous Designer的虚拟服装迁移原理;其次,结合CLO 3D的虚拟服装迁移和自动转换虚拟模特功能,提出了一套针对三维扫描人体的个性化服装定制方案;最后,采用三维扫描人体开展虚拟服装迁移实验,验证了该方案在实际个性化服装定制应用中的可行性。研究结果表明：针对不同体型的三维扫描人体,可快速生成个性化虚拟服装、个性化样板和展示个性化虚拟试衣效果;生成的虚拟服装能够满足不同体型的个性化需求。该方法可提高个性化虚拟服装开发效率,为个性化服装定制提供技术支持。     

基于支持向量机的浮选泡沫图像识别

本文主要研究了从浮选槽中采集图像,提取出图像特征值,运用支持向量机来判别泡沫图像类型。     

基于服装迁移的二维虚拟试衣技术

为实现低成本的虚拟试衣,针对传统方法难以应用于实际场景的问题,提出了一种基于服装迁移的二维虚拟试衣网络。通过输入用户图像和模特图像,该网络能够生成用户穿着模特服装的试衣效果。首先通过纹理重映射提取服装纹理,再通过人物解析迁移提取用户纹理,然后合并服装纹理和用户纹理得到一个粗糙的试衣结果,最后基于半监督学习对粗糙结果中的纹理缺失区域进行自动修复,得到最终的试衣结果。定性和定量的实验均证明本文提出的方法能够较好地保留服装的纹理细节,维持用户的身份信息不发生改变,并且能够生成良好的试衣结果。     

基于IDE算法优化支持向量机的变压器故障诊断

提出了一种IDE(改进微分进化)与支持向量机模型相结合的变压器故障诊断新方法。该方法通过支持向量机模型搭建变压器故障诊断的综合判定系统,使决策树的每一个分支都对应一种具体的故障类型,然后应用IDE对支持向量机的分类结果进行优化。经过实例分析,验证了该方法的可行性和有效性。     

基于支持向量机的野生蘑菇近红外识别模型

提出一种应用近红外光谱技术对野生蘑菇识别的新方法。使用FieldSpec3便携式近红外光谱仪对包括野生蘑菇在内的13种蘑菇进行漫反射光谱采集,通过对光谱的分析,得出1 483,1 727,1 930,2 100,2 180,2 310nm为样品中多糖、蛋白质、脂肪的特征吸收峰,且野生蘑菇中3种成分的相关基团近红外特征吸收峰显著地高于其它蘑菇。将以上6处波长的吸光率作为输入变量,建立支持向量机识别模型,取RBF核,优化后惩罚因子C=2 048.0,核参数γ=0.031 25,该模型对未知样本正确识别率为95.3%。结果表明,利用近红外光谱少量波长处的特征吸收差异,建立支持向量机识别模型可以很好地对野生蘑菇进行鉴别。     

基于深度学习的服装丝缕平衡性评价系统

为解决虚拟试装中难以自动评价服装丝缕平衡性的问题,充分应用了深度学习在图像自动识别中的优越性,针对服装丝缕平衡的特点,设计了卷积神经网络的拓扑结构,通过对各个特征部位上不同平衡状态的服装丝缕图片进行等级分类和学习训练,得到的网络模型的识别准确率达到93.589%,从而建立了可实现对服装各个关键部位丝缕平衡性自动评价系统。结果表明:应用基于深度学习的服装丝缕平衡性评价系统,对虚拟环境下的服装各个关键部位上的丝缕图片进行识别和分类,可以缩短服装平衡性检测的时间,提高检测的效率,快速获取服装丝缕不平衡的位置,以便对服装进行修改。     

基于支持向量机的高光谱遥感影像分类

高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术。自发展以来,已在各个方面都显示出了巨大的研究潜力,成为遥感应用最广泛的领域之一。然而,如何充分利用高光谱遥感数据提供的丰富的地表信息,以及如何在如此大量的信息中提取有用信息,是摆在研究者面前的一项重要课题。高光谱遥感影像处理的一项重要内容就是地物目标的分类。文章基于支持向量机算法原理,提出了一种应用于高光谱影像的分类机制,并在印度松树(Indian Pines)和帕维亚大学(Pavia University)数据集上进行了验证实验,取得了较高的分类精度。     

基于改进支持向量机的温室大棚温度预测

针对温室大棚中影响温度预测的因素以及温室大棚温度变化存在的非线性问题,提出基于改进支持向量机的温度预测模型。支持向量机选择性能较好的RBF核函数,结合网格搜索算法对支持向量机的核参数和惩罚因子进行动态寻优,考虑光照强度、湿度、风速对温度的影响。实验结果表明,与其他模型相比,改进的支持向量机预测误差更小,精度更好。     

用支持向量机预测织物的悬垂性能

提出织物悬垂性预测的一种新方法 -支持向量机 ,用它表达了织物悬垂性与织物结构参数之间复杂的非线性关系 ,并建立了相应的预测模型。     

基于复杂网络提取和支持向量机模型分类的服装领型研究

为解决服装打版中款式自动搜索的问题,以服装衣领款式的结构特征为背景,以服装圆领型图像为例,先通过构建复杂网络对其进行复杂网络特征的描述与提取,然后采用支持向量机的模型实现8种衣领类型图像的分类.实验结果表明:样本整体的平均分类准确率为98％,各类别的平均分类准确率均达到96％以上,其中,圆领的平均分类准确率为100％;...     

基于最小方差支持向量机的织物热湿舒适性预测

在纺织服装工程研究中应用人工智能与机器学习的方法,可以更加准确地预测纺织材料的穿着热湿舒适性.为此,利用最小方差支持向量机( LSSVM),分析了36种针织织物热湿舒适性客观指标与人体穿着对织物的热湿舒适性主观评定之间的对应关系,并建立了客观指标与主观评定之间的回归模型.该模型能够快速预测成衣之后人体穿着主观评定的舒适...     

采用傅里叶描述子和支持向量机的服装款式识别方法

为解决当前服装款式识别领域中,服装轮廓特征提取技术较复杂,其分类方法的效率低、适应性差等问题,提出一种新型的服装款式的识别方法。首先创建了一个服装图像样本库,并从这些服装图像中提取服装轮廓,然后使用傅立叶描述子描述服装的轮廓特征,以多分类支持向量机进行分类。结果表明,该方法能够准确提取服装轮廓,傅立叶描述子的识别效果优于Hu不变矩和融合特征（Hu不变矩和傅立叶描述子）;对傅立叶描述子进行主成分分析不能提高识别准确率;支持向量机的分类效果优于极端学习机;该方法能够达到95%以上的识别率,尤其对轮廓特征明显的款式有更好的识别率。     

基于支撑矢量机的织物疵点识别算法

为了使用机器对织物疵点进行有效地检测和分类,提出了基于直方图统计和支撑矢量机的织物疵点识别算法。该算法运用直方图统计的方法,由概率统计生成直方波形,基于波形特征参数对比能准确定位织物纹理结构的异常位置,正确识别织物疵点,并将其作为支撑矢量机的输入参数,用于训练特征样本集,以获得支撑矢量,对待识对象进行识别,得到识别结果,在识别结果中寻找最优匹配,将待识图像归入最匹配类中。实验结果表明,该算法用于织物疵点检测是可行、有效的,可得到满意的识别结果。     

基于支持向量机的白酒上甑探汽方法研究

针对白酒"探汽上甑"工艺在实现自动化过程中出现的探汽准确率低的问题,提出了一种基于支持向量机的探汽方法。使用红外热成像仪采集甑桶内酒醅表面的红外灰度图像并进行直方图处理,再提取多个特征,结合工程经验添加标签构成训练集,通过支持向量机训练得到上甑过程中的探汽模型。通过测试,该方法的探汽准确率高达96%,能满足白酒生产工艺要求。     

基于支持向量机的牛肉嫩度等级评价模型研究

目的 利用VIS/NIR反射光谱建立基于支持向量机的生鲜牛肉嫩度等级的评价模型。方法 以牛肉背最长肌为研究对象, 选取样本58个, 在牛肉新鲜切口处采集波长范围400~1700 nm的反射光谱信息, 使用肉类嫩度测量仪测量牛肉剪切力值, 应用支持向量机(SVM)模型评价牛肉嫩度等级。结果 应用SVM模型可以较好地实现对牛肉嫩度等级的评价。尤其是经主成分分析降维预处理, 结合径向基核函数SVM, 对牛肉训练集嫩度等级的回判率达到95%, 对样品校正集判别的准确率进一步提高至83.3%。结论 SVM模型对牛肉嫩度等级评价结果较好, 进行主成分分析后, 判别结果有所提高。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。