專利名稱：基于粒子群優化算法的棉花異性纖維特征選擇方法
技術領域：
本發明涉及圖像處理技術領域，尤其涉及一種基于粒子群優化算法的棉花異性纖維特征選擇方法。
背景技術：
棉花中的異性纖維是指在棉花采摘、攤曬和收購等過程中混入棉花中的對棉花及其制品的質量有嚴重影響的非棉纖維和色纖維，如化學纖維、毛發、麻繩等。異性纖維在皮棉中的含量雖少，但對棉紡織品的質量影響嚴重。混入皮面的異性纖維容易是棉紗斷頭，降低生產效率；織布時，影響布面質量；染色時，影響外觀，對棉紗和布面的質量造成了很大危害。在我國，現階段許多棉紡加工企業主要依靠雇傭大量工人人工挑揀異性纖維，為此付出了很大的人力、物力代價。基于統計學習理論的極其學習算法是棉花中的異性纖維特征特區的重要手段。對異性纖維提取能夠得到描述目標的初始特征集合，在保證分類精度不降低的前提下，從初始特征集合中選擇出分類能力最強的最優特征子集，可以最大限度地降低分類器設計的復雜性并提高分類速度，是實現在線實時分類的前提和保證。盡管目前在棉花異性纖維的特征選擇和模式識別的研究方面已經取得了很多優異的成果，但由于地域等條件不同，異性纖維的種類、顏色和形狀也不相同甚至差異很大。 支持向量機(Support Vector Machines, SVM)理論是一種基于統計學習理論的機器學習算法，能較好的地解決小樣本、非線性等實際問題。但是已有研究成果顯示，SVM分類器對有多余和不相關的數據集分類時性能會下降，因此特征優化，使其能夠適應SVM分類器的要求，除去冗余和不相關特征的數據集，從而進一步提高分類性能，已成為機器學習中的一個重要研究部分。
發明內容
(一 )要解決的技術問題本發明要解決的技術問題是提供一種能夠對棉花異性纖維特征進行優化選擇， 并且適應SVM分類器的要求，進一步提高分類性能的基于粒子群優化算法的棉花異性纖維特征選擇方法。( 二 )技術方案為解決上述問題，本發明提供了一種基于粒子群優化算法的棉花異性纖維特征選擇方法，該方法包括步驟SI.根據特征提取得到的特征訓練樣本集的特征數據，初始化粒子群；S2.根據所述樣本集設計支持向量機分類器；S3.對所述樣本集進行分類，計算粒子的適度值；S4.將當前粒子的適度值與其局部最優解以及種群的全局最優解進行比較，并根據比較結果更新當前粒子的局部最優解以及種群的全局最優解；
S5.根據步驟S4所更新的局部最優解以及全局最優解，計算粒子的移動速度和新的位置；S6.判斷是否符合終止條件，若符合，則結束并輸出最優特征集，否則迭代次數加 1，并返回步驟S2。優選地，所述樣本集中的特征包括顏色特征、形狀特征、以及紋理特征。優選地，在步驟SI中，初始化粒子的位置和初始速度，隨機產生一組初始值。優選地，在步驟S2設樣本集X = (xi; yi)，i = 1，2，. . .，N，其中，N為訓練樣本數量，Xi為樣本的特征，Yi為樣本的類別，對于每個粒子計算支持向量機最優分類函數模型為 0019]其中，sign為符號函數，即
權利要求
1.一種基于粒子群優化算法的棉花異性纖維特征選擇方法，其特征在于，該方法包括步驟51.根據特征提取得到的特征訓練樣本集的特征數據，初始化粒子群；52.根據所述樣本集設計支持向量機分類器；53.對所述樣本集進行分類，計算粒子的適度值；54.將當前粒子的適度值與其局部最優解以及種群的全局最優解進行比較，并根據比較結果更新當前粒子的局部最優解以及種群的全局最優解；55.根據步驟S4所更新的局部最優解以及全局最優解，計算粒子的移動速度和新的位置；56.判斷是否符合終止條件，若符合，則結束并輸出最優特征集，否則迭代次數加1，并返回步驟S2。
2.如權利要求I所述的方法，其特征在于，所述樣本集中的特征包括顏色特征、形狀特征、以及紋理特征。
3.如權利要求I所述的方法，其特征在于，在步驟SI中，初始化粒子的位置和初始速度，隨機產生一組初始值。
4.如權利要求I所述的方法，其特征在于，在步驟S2設樣本集X= (Xi, Yi), i = I, 2，. . .，N，其中，N為訓練樣本數量，Xi為樣本的特征，Ii為樣本的類別，對于每個粒子計算支持向量機最優分類函數模型為
5.如權利要求I所述的方法，其特征在于，在步驟S3中，計算所述適度值的適應度函數模型為
6.如權利要求I所述的方法，其特征在于，步驟S4進一步包括步驟若所述粒子的適度值大于局部最優解，則令所述粒子的局部最優解等于所述適度值； 若所述粒子的適度值大于所述種群的全局最優解，則令所述種群的全局最優解等于所述適度值。
7.如權利要求I所述的方法，其特征在于，在步驟S5中，所述粒子的新的位置為 χ；+ι=(0, f (xl+1) <0.全文摘要
本發明公開了一種基于粒子群優化算法的棉花異性纖維特征選擇方法，涉及圖像處理技術領域。包括步驟S1.根據特征提取得到的特征訓練樣本集的特征數據，初始化粒子群；S2.根據樣本集設計SVM分類器；S3.對樣本集進行分類，計算粒子的適度值；S4.將當前粒子的適度值與其局部最優解以及種群的全局最優解進行比較，更新局部最優解以及全局最優解；S5.計算粒子的移動速度和新的位置；S6.若符合終止條件，則結束并輸出最優特征集，否則迭代次數加1，并返回步驟S2。本發明的方法能夠對棉花異性纖維特征進行優化選擇，并且適應SVM分類器的要求，進一步提高分類性能。
文檔編號G06K9/62GK102609717SQ201210006210
公開日2012年7月25日 申請日期2012年1月10日 優先權日2012年1月10日
發明者劉雙喜, 李恒斌, 李振波, 李道亮, 楊文柱, 王欣, 王金星 申請人:中國農業大學