基于SOM神經(jīng)網(wǎng)絡(luò)和K-均值聚類的分類器設(shè)計.pdf

1、機(jī)器視覺涉及到眾多學(xué)科知識，研究的問題極富挑戰(zhàn)性，其應(yīng)用也十分廣泛，因此它一直是計算機(jī)科學(xué)中的一門熱門學(xué)科。而識別、分類作為視覺系統(tǒng)的中的一個重要環(huán)節(jié)，關(guān)系到整個系統(tǒng)運(yùn)行的快速性、精確性，而這兩個方面在工業(yè)在線檢測中最受關(guān)注。因此，分類器的設(shè)計方案直接關(guān)系到整個視覺系統(tǒng)的運(yùn)行的效率、效果，具有很高的研究價值。 本文著重研究的是運(yùn)用自組織特征映射神經(jīng)網(wǎng)絡(luò)(簡稱：SOM)和K．均值聚類算法設(shè)計帶鋼缺陷檢測系統(tǒng)的分類器。SOM網(wǎng)絡(luò)是將

2、多維數(shù)據(jù)映射到低維規(guī)則網(wǎng)格中，可以有效的進(jìn)行大規(guī)模的數(shù)據(jù)挖掘，其特點(diǎn)是速度快，但是分類的精度不高。在本系統(tǒng)中用于完成擁有大量訓(xùn)練樣本的前期訓(xùn)練工作。K-均值聚類算法，是一種通過不斷迭代調(diào)整聚類質(zhì)心的算法，其特點(diǎn)是精度高，主要用于中小數(shù)據(jù)集的分類，但是聚類速度比較慢，在本系統(tǒng)中，此算法用來對SOM神經(jīng)網(wǎng)絡(luò)的競爭層神經(jīng)元進(jìn)行分類。本文中分類器設(shè)計的主要思想是：綜合前期SOM神經(jīng)網(wǎng)絡(luò)的快速性、后期K-均值聚類算法精確性，對帶鋼缺陷進(jìn)行實(shí)時、精

3、確的識別和分類。試驗(yàn)結(jié)果表明：此分類器有著SOM神經(jīng)網(wǎng)絡(luò)缺少的精確性，K-均值聚類算法缺少的快速性滿足了工業(yè)在線檢測系統(tǒng)對實(shí)時性、精確性的要求。 在帶鋼缺陷檢測系統(tǒng)中，SOM神經(jīng)網(wǎng)絡(luò)是做前期分類，K-均值聚類算法做后期分類。這也是本文的創(chuàng)新點(diǎn)。結(jié)果表明：采用SOM神經(jīng)網(wǎng)絡(luò)和K-均值聚類算法聯(lián)合構(gòu)造的分類器分類、識別速度快，精確度高，能夠滿足該檢測系統(tǒng)的實(shí)時性、精確性的要求，具有一定的推廣價值。 本課題的程序主要是在VC+