[發明專利]一種用于零件圖像識別的支持向量機的優化方法

有效

• 申請號: 202010031077.0
• 申請日: 2020-01-13
• 公開（公告）號: CN111275078B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 崔海華;程筱勝;方舟;田威;廖文和
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06N3/006
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 蘇一幟

1.一種用于零件圖像識別的支持向量機的優化方法，其特征在于，包括：

對初始化種群中的各個粒子并進行編碼，其中，每個粒子的編碼向量包括三部分，其中的兩部分分別用于表示所述支持向量機的參數的二進制編碼，剩余的一部分為表示特征選擇的標志位，所述支持向量機的參數包括：徑向基核函數(RBF)的參數γ和支持向量機(SVM)的懲罰參數C；

在第N迭代周期中，更新第N-1迭代周期中的每個粒子的速度和位置，對更新后的粒子進行選擇交叉和變異處理，之后，獲取所述第N迭代周期中適應度最大的粒子作為所述第N迭代周期的最優粒子，其中，1＜N≤最大迭代次數；

重復執行迭代周期直至N達到所述最大迭代次數，并獲取最優粒子；

利用所述最優粒子對應的支持向量機參數和特征選擇構建支持向量機；

對所采集零件的圖像樣本進行預處理后，輸入所構建的支持向量機，得到所構建的支持向量機輸出的識別結果；

所述獲取所述第N迭代周期中適應度最大的粒子作為所述第N迭代周期的最優粒子，包括：

通過獲取粒子適應度，其中，fitness表示適應度，w_a為分類準確率的權重，accuracy為k折交叉驗證的準確率，w_q為特征維數的權重，D為可供選擇的特征數量，f_i取1代表第i個特征被選中，取0代表沒有選擇第i個特征，k為正整數；

將所述第N迭代周期中fitness最大的粒子作為所述第N迭代周期的最優粒子；

所述對更新后的粒子進行選擇交叉和變異處理，包括：

當產生的0至1間的隨機數小于交叉概率時，對更新后的粒子進行單點交叉操作；

通過對更新后的粒子進行變異操作，其中，x_i'_d為粒子變異后每一維的值，x_id為粒子變異前每一維的值，rand()是生成0至1之間隨機數的函數，mut(x)是變異函數，P_m是變異概率。

2.根據權利要求1所述的方法，其特征在于，所述對所采集零件的圖像樣本進行預處理，包括：

采集零件的圖像樣本，并從所述圖像樣本中提取零件的形狀特征，并建立各類零件的訓練集，其中，一個零件的訓練集包括至少兩種零件的形狀特征；

針對訓練集進行處理，包括：將訓練集中的形狀特征映射到0至1之間，并根據進行歸一化操作，其中，f_ij為第i個零件的第j個特征變換前的值，f’_ij為第i個零件的第j個特征變換后的值，max_j為所有零件的第j個特征的最大值，min_j為所有零件的第j個特征的最小值，i和j都為正整數。

3.根據權利要求1所述的方法，其特征在于，所述初始化種群中的各個粒子并進行編碼，包括：

通過分別轉換所述支持向量機的參數γ和懲罰參數C，其中，D為可供選擇的特征數量，是十進制數值，D_min和D_max分別為參數的上下限，dec(b)為二進制編碼b的十進制值，L為二進制編碼的位數，C和γ的二進制編碼都取20位；

所述特征選擇的標志位設置為0或1，其中，置0表示不選擇該特征，置1表示選擇該特征。

4.根據權利要求1所述的方法，其特征在于，k＝10。

5.根據權利要求1所述的方法，其特征在于，還包括：在N達到所述最大迭代次數后，第1至N個迭代周期的最優粒子中，獲取fitness最大的作為全局最優粒子。