基于支持向量机的垃圾分类系统设计

《基于支持向量机的垃圾分类系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中北大学信息商务学院2016届毕业设计说明书中北大学信息商务学院毕业设计说明书基于支持向量机的垃圾分类系统设计邓建卓学生姓名：赵玏钰学号：12050445X25系别：自动控制系专业：电气工程及其自动化指导教师：李大威职称：讲师2016年6月2日中北大学信息商务学院2016届毕业设计说明书原创性声明本人郑重声明：所呈交的毕业设计说明书/毕业论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均已

2、在文中以明确方式标明。本声明的法律责任由本人承担。作者签名：日期：使用授权声明本人完全了解中北大学信息商务学院有关保管、使用毕业设计说明书的规定，其中包括：①学院有权保管、并向有关部门送交毕业设计说明书的原件与复印件；②学院可以采用影印、缩印或其它复制手段复制并保存毕业设计说明书；③学院可允许毕业设计说明书被查阅或借阅；④学院可以学术交流为目的，复制赠送和交换毕业设计说明书；⑤学院可以公布毕业设计说明书的全部或部分内容。作者签名：日期：导师签名：日期：中北大学信息商务学院2016届毕业设计说明书基于支持向量机的垃圾

3、分类系统设计摘要：垃圾分类回收利用是一项具体而持久的任务。核参数的选取决定了支持向量机的分类能力。因此，本文研究了内核参数的选取方法和不同的颜色和纹理特征的图像分类。本文所做的主要工作如下：1．讨论了核函数的支持向量机(SVM)分类和函数参数的选择，利用网格搜索法、遗传算法和粒子群算法来比较支持向量机核参数的寻优能力。2．提出了一种混合核参数优化方法。本文将PSO算法控制参数值作为优化问题，形成一种遗传粒子群优化（GA．PSO）混合算法。实验结果表明，新算法有很强的寻优能力，能有效地防止算法陷入局部最优。3.在HS

4、V颜色空间特征提取方法，使用彩色图像的不同的量化，鉴于色彩空间，使用颜色矩区域的加权组合的颜色特征提取方法的传统直方图信息的损失。4．采用遗传粒子群优化（GA.PSO）算法对图像进行分类，对图像的色彩特征和纹理特征进行了测试比较，对比图像分类精度与不同参数优化方法之间的联系。关键词：支持向量机；参数优化；Gabor滤波器；垃圾分类III中北大学信息商务学院2016届毕业设计说明书Design of waste classification system basedon support vector machineA

5、bstract：Garbageclassificationisaspecificandlastingtask.Asaresultofthesupportvectormachine(SVM)classificationabilitygreatlydependsonthekernelparameterselection,therefore,thispaperstudiedthekernelparameterselectionmethod,andusethedifferentcolorandtexturefeatureo

6、fimageclassification.Inthispaper,themainworkdoneisasfollows:1.Thekernelfunctionofsupportvectormachine(SVM)isdiscussedinthispapertheinfluenceofvariousparametersontheclassificationmodel,usingthegridsearchmethod,geneticalgorithmandparticleswarmalgorithmisoptimize

7、dparametersinthemodel,comparingthemethodofSVMkernelparameteroptimizationability.2.Ahybridkernelparameteroptimizationmethodisproposed.BecausemostofthePSOalgorithmcontrolparametersbyexperiencetochoose,thereisnocorrespondingtheoreticalguidance,thispaperchosePSOco

8、ntrolparametervaluesasanoptimizationproblem,alsotwospeedconstantofPSOwithGAoptimization,hasalsomadetheimprovementontheinertiacoefficient,formakindofGA.PSOhybridalgorithm.Theexperim