向东
- 作品数：2 被引量：5H指数：2
- 供职机构：东北林业大学信息与计算机工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金引进国际先进农业科技计划黑龙江省博士后基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- LBP-自适应增强模型的木材纹理分类被引量：4
- 2015年
- 针对传统木材纹理分类的准确率低且难度大的问题,依据LBP(局部二值)算子和ADABOOST(自适应增强)算法理论,提出了LBP-ADABOOST模型对木材纹理进行识别分类.通过均匀旋转不变特性与原始LBP算子相融合,提取纹理的特征值,结合自适应增强算法,从而训练得到每类纹理所对应的分类器模型参数,构造分类器,实现对木材纹理准确高效分类.实验结果表明相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验结果误差率为4%左右,准确率高,实用性强.
- 向东陈宇陈广胜
- 关键词：LBP算子ADABOOST算法分类器
- 基于LBP-DEELM的木材纹理分类算法被引量：3
- 2015年
- 为解决传统木材纹理分类的准确率低且难度大的问题,提出了一种基于LBP-DEELM(局部二值-差分演化优化极限学习机)模型的木材纹理分类算法。在阐述局部二值算子(LBP)和差分演化优化极限学习机(DEELM)算法的基础上,使用均匀旋转不变的LBP模式提取纹理的特征值,结合差分演化算法进行极限学习机优化,通过训练得到每类纹理所对应的分类器模型参数,构造分类器,实现了对木材纹理准确高效的分类。实验结果表明,相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验误差率为2%左右,准确率高,实用性强。
- 向东陈宇陈广胜
- 关键词：LBP算子分类器
