改进最小二乘支持向量机在织物疵点分类中的应用

摘要

本文织物疵点特征提取算法将灰度共生矩阵和Gabor滤波嚣相结合,利用Gabor滤波器能捕获纹理较多的有用信息和准确度高的优势,辅以灰度共生矩阵特征一起作为图像特征信息,增强了织物疵点分类的准确性.在分类器选择上,为减少训练完后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法-高稀疏性最小二乘支持向量机(HS-LSSVM).在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题.对多个织物疵点分类问题的实验表明,HS-LSSVM具有稀疏率高,分类性能强,且稀疏化速度较快等优点.