基于pso- bp神经网络织物疵点分类方法2

《基于pso- bp神经网络织物疵点分类方法2》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于PSO-BP神经网络的织物疵点分类方法*刘素一1刘晶璟2章乐多1(1武汉科技学院电信系湖北武汉4300742武汉职业技术学院商学院湖北武汉430074）摘要：本文将粒子群优化算法运用于BP神经网络的训练，更合理地确定神经网络的连接权重和阈值，提高解决实际问题的能力。同时将PSO-BP神经网络的模型用于织物疵点的分类中。采用正交小波变换的方法对织物图像进行单层分解，并提取水平和垂直两个方向的子图像，分别代表织物的纬向和经向纹理，然后计算其经、纬向的能量、方差、熵等特征值，做为神经网络的输入值。将PSO-BP神经网络与BP神经网络分类

2、的结果相比较，其结果表明PSO-BP神经网络能够取得较好的效果。关键词：织物；疵点检测；小波变换；粒子群优化算法；BP神经网络，分类中图分类号：TP274+.5文献标识码：AClassificationofFabricDefectBasedonPSO-BPNeuralNetworkLiuSuyi1LiuJingjing2ZhangLeduo1(1TheelectronicsandinformationdepartmentofWuhanUniversityofscienceandengineering,430074,Wuhan,chin

3、a.2BusinessSchoolofWuhanInstituteofTechnology,430074，Wuhan,china)Abstract:Inthispaper,particleswarmoptimizationwasappliedinBPneuralnetworktraining.Itreasonablyconfirmsthresholdandconnectionweightofneuralnetwork,andimprovescapabilityofsolvingproblemsinrealities.Meanwhile

4、,PSO-BPneuralnetworkisappliedintoclassificationoffabricdefect.Themethodoforthogonalwavelettransformwasusedtodecomposemonolayerfromfabricimage.Andthesub-imagesofhorizontalandverticaldirectionareextractedtorepresentrespectivelythetexturesoffabricinwarpandweft.Comparedclas

5、sificationofPSO-BPneuralnetworktoclassificationofBPneuralnetwork,itisshownthatPSO-BPneuralnetworkachievesfavorableresults.Keywords:Fabric;DefectDetection;Wavelettransform;Particleswarmoptimization;BPneuralnetwork;Classification1引言长期以来，国内外学者对织物疵点的分类进行了大量的研究工作，但由于织物疵点种类繁杂

6、以及织疵的其它特点决定了织疵分类是一个有相当难度的问题[1]。目前较多地应用BP神经网络进行分类。BP(backpropagation)神经网络具有结构简单、工作状态稳定、易于硬件实现等优点，但其网络训练问题属于超高维的优化问题，存在时间长、容易陷入局部极小值等缺点，影响了算法的精度[2]。粒子群优化算法(particleswarmoptimization，PSO)[3-4]是一种全局优化算法，且搜索速度较快，可以得到比较好的优化结果。因此本文将粒子群优化算法运用于BP神经网络的训练，更合理地确定神经*湖北省数字化纺织装备重点实验室项

7、目（编号DTI200606）作者简介：刘素一(1962.12——)，女，博士，副教授。研究方向：非线性理论与复杂系统，检测技术等。网络的连接权重和阈值，提高解决实际问题的能力。同时将PSO结合BP神经网络的模型用于织物疵点的分类中，与BP神经网络分类的结果相比较，取得了良好的效果。2粒子群神经网络的建立2.1粒子群优化算法PSO是基于群体和适应度的概念，源于对鸟类捕食行为的模拟，群体中的每个个体(粒子)代表一个可能的解，粒子具有位置和速度特征，算法通过适应度衡量粒子的优劣。随机初始化一群粒通过迭代找到最优解。每次迭代，粒子通过跟踪两个

8、“极值”更新，一是粒子本身的最优解，这个最优解叫做个体极值pi=(pi1,pi2,…..pid)，二是整个种群目前找到的最优解，称为全局极值g=(g1,g2,…..gd)。在寻找这两个最优值时，粒子根据如下的公式来更新自