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

1、機(jī)器視覺(jué)涉及到眾多學(xué)科知識(shí)，研究的問(wèn)題極富挑戰(zhàn)性，其應(yīng)用也十分廣泛，因此它一直是計(jì)算機(jī)科學(xué)中的一門(mén)熱門(mén)學(xué)科。而識(shí)別、分類(lèi)作為視覺(jué)系統(tǒng)的中的一個(gè)重要環(huán)節(jié)，關(guān)系到整個(gè)系統(tǒng)運(yùn)行的快速性、精確性，而這兩個(gè)方面在工業(yè)在線(xiàn)檢測(cè)中最受關(guān)注。因此，分類(lèi)器的設(shè)計(jì)方案直接關(guān)系到整個(gè)視覺(jué)系統(tǒng)的運(yùn)行的效率、效果，具有很高的研究?jī)r(jià)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(jiǎn)稱(chēng)：SOM)和K．均值聚類(lèi)算法設(shè)計(jì)帶鋼缺陷檢測(cè)系統(tǒng)的分類(lèi)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(lèi)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(lèi)算法，是一種通過(guò)不斷迭代調(diào)整聚類(lèi)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(lèi)，但是聚類(lèi)速度比較慢，在本系統(tǒng)中，此算法用來(lái)對(duì)SOM神經(jīng)網(wǎng)絡(luò)的競(jìng)爭(zhēng)層神經(jīng)元進(jìn)行分類(lèi)。本文中分類(lèi)器設(shè)計(jì)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(lèi)算法精確性，對(duì)帶鋼缺陷進(jìn)行實(shí)時(shí)、精

3、確的識(shí)別和分類(lèi)。試驗(yàn)結(jié)果表明：此分類(lèi)器有著SOM神經(jīng)網(wǎng)絡(luò)缺少的精確性，K-均值聚類(lèi)算法缺少的快速性滿(mǎn)足了工業(yè)在線(xiàn)檢測(cè)系統(tǒng)對(duì)實(shí)時(shí)性、精確性的要求。 在帶鋼缺陷檢測(cè)系統(tǒng)中，SOM神經(jīng)網(wǎng)絡(luò)是做前期分類(lèi)，K-均值聚類(lèi)算法做后期分類(lèi)。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(lèi)算法聯(lián)合構(gòu)造的分類(lèi)器分類(lèi)、識(shí)別速度快，精確度高，能夠滿(mǎn)足該檢測(cè)系統(tǒng)的實(shí)時(shí)性、精確性的要求，具有一定的推廣價(jià)值。 本課題的程序主要是在VC+