基于降维融合特征和集成学习的织物疵点分类
Foreign Electronic Measurement Technology（2019）
摘要
为提高织物疵点分类的准确性和泛化能力,提出了一种基于降维融合特征和集成学习的织物疵点分类方法.根据织物疵点的特点,提取织物图像的纹理和局部目标的表象及形状特征,通过主成分分析处理,得到优化的不相关融合特征,然后利用Stacking集成学习方法对随机森林、支持向量机、K-近邻、决策树等多分类器的学习结果进行再学习得到最终分类结果.在TILDA数据集上的实验结果表明,与特征融合前相比,通过降维融合后的特征,分类准确率提高4％;与集成学习前相比,其分类性能更好,准确率为96.8％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要