基于改进万有引力优化的LSSVM模型在标签缺陷检测中的应用

针对最小二乘支持向量机(LSSVM)在缺陷检测过程中的模型参数选择问题,提出了一种改进的万有引力搜索算法(IGSA)对模型参数进行优化,该算法有效地克服了标准GSA易陷入局部最优解且优化精度不高的缺点,显著提高了原算法中物体的探索能力与开发能力。通过利用UCI数据库的数据进行分类验证,相比交叉验证、标准GSA、遗传和粒子群优化的LSSVM,IGSA-LSSVM分类模型有效提高了分类正确率和模型的泛化能力。最后,把该模型应用于标签缺陷自动检测中,取得了良好的效果。