SVM分類器原理

1、重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越2022-3-261 1基于支持向量機(jī)的提取與識(shí)別 匯報(bào)人：胡友呈 導(dǎo) 師：許洪斌教授 重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越2022-3-262 2 匯報(bào)目錄SVMSVM前期工作向量機(jī)實(shí)例后期計(jì)劃SVM原理介紹重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追

2、求卓越一一.前期工作：前期工作：重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越2022-3-264 4模式識(shí)別過(guò)程：模式識(shí)別過(guò)程：1RuizRuiz G。G6mezGil J，NavasGracia L MTesting difierent color spaces based on hue for the environmentally adaptive segmentation algorithm (EASA)JComputers and Electronics in Agriculture，

3、2009，68(1)：8896/貝葉斯分類sunflower2Song JImage segmentation of eggplants in growing environment based on improved BP neural networkJApplied Mechanicsand Materials2011， 4041：599 6.3Li P L，Lee S H，Hsu H YStudy on citrus fruit image data separability by segmentatiProcedia Engineering，2011，23：408416/柑橘對(duì)比分析了

4、基于色差的自動(dòng)閾值法、FLDA、基于單層及多層感知器的超平面結(jié)構(gòu)、SOM4類圖像分割方法的分割性能4Bulanon D M ，Kataoka T，Okamoto H，et a1 Development of a realtime machine vision system for the apple harvesting robotCSICE Annual Conference in Sapporo，Hokkaido Institute of Tecnology，Japan2004，1：595598./支持向量機(jī)重慶理工大學(xué)ChongQing University of Technology“

5、高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越模式識(shí)別基本概念：模式識(shí)別基本概念：模式類:一個(gè)模式類是由一個(gè)或多個(gè)特征組成。對(duì)給定的M個(gè)模式類s1,s2,s3,sm.模式矢量：模式矢量x中，各分量的內(nèi)容取決于用來(lái)描述物理上實(shí)際模式的 測(cè)量技術(shù)。在模式空間，一個(gè)模式矢量對(duì)應(yīng)其中的一個(gè)點(diǎn)。x=x1,x2,xnT決策函數(shù)：對(duì)應(yīng)每個(gè)模式類，求出相應(yīng)的判別函數(shù)。重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越最小距離分類器的模式識(shí)別：最小距離分類器的模式識(shí)別：每個(gè)模式類用一個(gè)均值矢量表示：每個(gè)

6、模式類用一個(gè)均值矢量表示：1jjX sjmXN 決策函數(shù)：決策函數(shù)：1( )2TTjjjjdxx mm mj=1,2,Mj=1,2,M重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越支持向量機(jī)數(shù)學(xué)模型支持向量機(jī)數(shù)學(xué)模型:0( )Tg xw Xw線性分類器的設(shè)計(jì)就是要設(shè)計(jì)一個(gè)超平面：從一個(gè)點(diǎn)到一個(gè)超平面的距離：通過(guò)對(duì)w和w0的歸一化，得：( )g xdw-3-2-1012345678-3-2-1012345678C-SVC重慶理工大學(xué)ChongQing University of Technology

7、“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越010211TTWXwxsWXwxs 求超平面問(wèn)題實(shí)際是求：W和W0;對(duì)每個(gè)類Si記其標(biāo)號(hào)為ti,其中ti=1,ti=-1.條件： i=1,2,.,N求解最小化：由拉格朗日乘法求極值點(diǎn)：得到結(jié)果：01TiitW xw212Cww0011(,)()12NTTiiiiL w wWWt Wxw110NiiiiNiiiwt xt重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越支持向量機(jī)實(shí)例：支持向量機(jī)實(shí)例：圖像相位一致、紋理特征和灰度值作為構(gòu)成

8、特征向量的主要組成部分，以便更加合理地描述圖像中不同區(qū)域的特征，進(jìn)而可以更有效地將圖像目標(biāo)區(qū)域和非目標(biāo)區(qū)域進(jìn)行分類。1）相位一致性及統(tǒng)計(jì)特征的提?。?同理得方差V,偏度SK,峰度BK,熵Ent.將這五個(gè)特征組成一個(gè)模式11( , )mnxyPC x yEm n(,)P E V SK BK Ent重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越2)圖像紋理特征提取離散函數(shù)（，）經(jīng)離散傅里葉變換后得頻譜函數(shù)（，）。圖像的變換紋理特征可以用以下幾個(gè)參數(shù)來(lái)度量： 能量：頻域方向性：紋理度量用能量和頻域方向性

9、兩個(gè)參數(shù)。從而組成一個(gè)特征向量：2( , )uvEF u v( , )arctan()/( , )uvI u vDER u v( ,)qE D重慶理工大學(xué)ChongQing University of Technology“高性能機(jī)電傳動(dòng)技術(shù)及應(yīng)用”團(tuán)隊(duì)超越自我超越自我追求卓越追求卓越3)灰度特征向量提取.圖像灰度向量h=(k11,k12,.,kij).步驟一步驟一. 將待分割圖像分成 個(gè)的子圖像塊，每個(gè)子圖像塊構(gòu)成一個(gè)特征向量。，；、分別為描述的相位一致統(tǒng)計(jì)特征向量、變換紋理特征向量、灰度特征向量。步驟二步驟二. .通過(guò)人工方法在中選取一部分能代表目標(biāo)區(qū)域和非目標(biāo)區(qū)域的特征向量來(lái)作為訓(xùn)練特征向量，表示為（，），其中，。步驟三步驟三. .通過(guò)選取的特征訓(xùn)練求得：方向矢量W和距離w0。求得超平面:g(x)（W*XW0）步驟四步驟四. .將待分類的特征向量集i（，）代入公式（）中，如果g（xi）的值為，那么相應(yīng)的屬于