基于选择性集成学习的焊接缺陷识别研究
来源期刊:中国矿业大学学报2011年第6期
论文作者:徐桂云 陈跃 张晓光 刘云楷
文章页码:949 - 953
关键词:焊接缺陷;分类;选择性集成学习;支持向量机;K-NN分类器;
摘 要:针对射线检测焊缝图像中缺陷识别正确率低的问题,提出一种选择性集成学习的焊接缺陷识别算法.算法中的个体学习器由稳定分类器和非稳定分类器组成,使用SVM-RFE算法移除集成学习器中的冗余个体学习器,保留子学习器预测输出加权作为集成学习器的输出,有效地增强了个体之间的差异性,进而提高了集成的泛化性能.结果表明:该算法充分利用更多的缺陷特征和样本数据集信息,继承了强集成学习的优点,有效地提高分类正确率.使用一对多的方法把二分类选择性集成学习器推广到多分类问题中,所提出的算法在训练精度为92.4%时;焊缝缺陷识别率提高到85.5%.
徐桂云1,2,陈跃1,3,张晓光1,2,刘云楷1
1. 中国矿业大学机电工程学院2. 哈尔滨工业大学现代焊接生产技术国家重点实验室3. 徐州工程学院机电工程学院
摘 要:针对射线检测焊缝图像中缺陷识别正确率低的问题,提出一种选择性集成学习的焊接缺陷识别算法.算法中的个体学习器由稳定分类器和非稳定分类器组成,使用SVM-RFE算法移除集成学习器中的冗余个体学习器,保留子学习器预测输出加权作为集成学习器的输出,有效地增强了个体之间的差异性,进而提高了集成的泛化性能.结果表明:该算法充分利用更多的缺陷特征和样本数据集信息,继承了强集成学习的优点,有效地提高分类正确率.使用一对多的方法把二分类选择性集成学习器推广到多分类问题中,所提出的算法在训练精度为92.4%时;焊缝缺陷识别率提高到85.5%.
关键词:焊接缺陷;分类;选择性集成学习;支持向量机;K-NN分类器;