论文部分内容阅读
鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能，可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM），利用交叉验证进行了参数和模型的选取，对冷轧带钢中几种现场易出现的缺陷进行分类，并与BP神经网络进行比较分析。实验结果表明，这类基于SVM的算法识别效率较高，较好地解决了小样本学习问题，避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点，可有效地应用于带铜表面缺陷检测。