基于SVM的粉末冶金零件的多类分类器的研究

张小洁+++张艳++林育阳

【摘要】传统的SVM特别适合解决两类分类问题，而对于多类分类，则需将其转化为多个两类分类问题，相应地需要构造多个两类子分类器，这样不但使得分类器结构复杂，而且分类速度受到很大的影响。为了快速地进行多类分类， 本文使用LIBSVM中的svmtrain实现对训练数据集的训练，从而获取SVM多分类模型，利用获取的模型进行测试与预测，不仅使得子分类器数目大大减少，而且使分类速度明显提高。最后从粉末冶金零件图库中选取的8张图像进行了分类实验，取得较好的分类结果。

【关键词】 SVM； 图像分类； 粉末冶金零件；多类分类器；

中国分类号：TP-92

0.引言

支持向量机（Support Vector Machine，SVM）是一种新的机器学习技术。该技术已经成为当前国际机器学习界的研究热点，有许多学者已将它引入到图像分类中来，并取得了较好的效果。粉末冶金（PM）也称为钢铁粉末。它和普通的机械零件的最大区别是用模具加工而成的，由于具有节能、省材、环保、经济、高效等诸多优点，所以被称为典型的近净型制造技术。随着我国粉末冶金零件制造技术的飞速发展，尤其是汽车工业的飞速发展，粉末冶金零件的品种越来越繁多，样式各异，因此对粉末冶金零件的自动检测分类也提出了更高的要求。但是由于传统SVM对于多类分类总是将其转化为多个两类分类问题，相应地需要构造多个两类子分类器，这样不但使得分类器结构复杂，而且分类速度很慢，无法满足生产线上实时分类的需求。……