|
|||||
|
|
| 基于PSO-SVM的重轨标识识别方法研究 | |
| 引用本文： | 米曾真,谢志江,刘琴,楚红雨. 基于PSO-SVM的重轨标识识别方法研究[J]. 现代科学仪器, 2012, 0(6): 87-90 |
| 作者姓名： | 米曾真 谢志江 刘琴 楚红雨 |
| 作者单位： | 1. 重庆理工大学电子信息与自动化学院,重庆400054 重庆大学机械传动国家重点实验室,重庆400050 2. 重庆大学机械传动国家重点实验室,重庆,400050 3. 西南科技大学信息工程学院,四川绵阳,621010 |
| 基金项目： | 国家自然科学基金委员会与中国工程物理研究院联合基金资助(10976034) |
| 摘 要： | 重轨标识自动识别对于企业的质量控制至关重要,针对目前主要依靠人工检测法来观察重轨字符的现状,提出利用机器视觉获得图像进行标识识别的思想：在对图像的字符区域进行定位之后,利用基于粒子群算法的支持向量机参数选择方法对重轨标识进行分类。实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的分类精度与检测效率,其训练集的字符识别准确率达到了99%,测试集的准确率达到了83%,训练时间为62.195s,各项指标高于遗传算法优化的支持向量机回归模型。能够用于重轨标识的在线检测。 |
| 关 键 词： | 标识识别 区域定位 支持向量机 粒子群算法 |
Study of Heavy Rail Mark Recognition Method Based on PSO-SVM |
|
| Mi Zengzhen,Xie Zhijiang,Liu Qin,Chu Hongyu. Study of Heavy Rail Mark Recognition Method Based on PSO-SVM[J]. Modern Scientific Instruments, 2012, 0(6): 87-90 | |
| Authors: | Mi Zengzhen Xie Zhijiang Liu Qin Chu Hongyu |
| Affiliation: | 1Chongqing University of Technology,School of Electronics Information and Automation,Chongqing 400054,China;2Chongqing University,The State Key Laboratory of Mechanical Transmission,Chongqing 400030,China;3Southwest University of Science and Technology,School of Information Engineering Mianyang,621010,China) |
| Abstract: | |
| Keywords: | Mark Recognition Recognition Locating SVM PSO |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |