原文传递
基于KECA和SVM的激光超声缺陷识别技术研究
| 题名： | 基于KECA和SVM的激光超声缺陷识别技术研究 |
| 正文语种： | 中文 |
| 作者： | 苏纯 刘辉 白艳萍 |
| 作者单位： | 中国铁道科学研究院 电子计算技术研究所,北京 100080 中北大学 信息与通信工程学院,山西 太原 030051 中北大学 理学院,山西 太原 030051 |
| 关键词： | 激光超声 缺陷检测 KECA SVM |
| 摘要： | 在激光超声检测中，传统的神经网络方法对于高维小样本事件存在着过学习、局部极小、推广泛化能力差、复杂度高等问题，因此超声缺陷信号的特征提取至关重要。针对这一问题本文采用核熵成分分析(KECA)对激光超声缺陷信号进行特征提取，有效降低了样本数据的维数，然后应用支持向量机(SVM)进行缺陷分类识别验证了算法的有效性。 |
| 会议日期： | 20151104 |
| 会议举办地点： | 无锡 |
| 会议名称： | 第十届中国智能交通年会 |
| 出版日期： | 2015-11-04 |
| 母体文献： | 第十届中国智能交通年会论文集 |
| 分类号： | TU1 TP1 |
检索历史
应用推荐
