专利名称：基于粒子群优化算法的棉花异性纤维特征选择方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种基于粒子群优化算法的棉花异性纤维特征选择方法。
背景技术：
棉花中的异性纤维是指在棉花采摘、摊晒和收购等过程中混入棉花中的对棉花及其制品的质量有严重影响的非棉纤维和色纤维，如化学纤维、毛发、麻绳等。异性纤维在皮棉中的含量虽少，但对棉纺织品的质量影响严重。混入皮面的异性纤维容易是棉纱断头，降低生产效率；织布时，影响布面质量；染色时，影响外观，对棉纱和布面的质量造成了很大危害。在我国，现阶段许多棉纺加工企业主要依靠雇佣大量工人人工挑拣异性纤维，为此付出了很大的人力、物力代价。基于统计学习理论的极其学习算法是棉花中的异性纤维特征特区的重要手段。对异性纤维提取能够得到描述目标的初始特征集合，在保证分类精度不降低的前提下，从初始特征集合中选择出分类能力最强的最优特征子集，可以最大限度地降低分类器设计的复杂性并提高分类速度，是实现在线实时分类的前提和保证。尽管目前在棉花异性纤维的特征选择和模式识别的研究方面已经取得了很多优异的成果，但由于地域等条件不同，异性纤维的种类、颜色和形状也不相同甚至差异很大。 支持向量机(Support Vector Machines, SVM)理论是一种基于统计学习理论的机器学习算法，能较好的地解决小样本、非线性等实际问题。但是已有研究成果显示，SVM分类器对有多余和不相关的数据集分类时性能会下降，因此特征优化，使其能够适应SVM分类器的要求，除去冗余和不相关特征的数据集，从而进一步提高分类性能，已成为机器学习中的一个重要研究部分。
发明内容
(一 )要解决的技术问题本发明要解决的技术问题是提供一种能够对棉花异性纤维特征进行优化选择， 并且适应SVM分类器的要求，进一步提高分类性能的基于粒子群优化算法的棉花异性纤维特征选择方法。( 二 )技术方案为解决上述问题，本发明提供了一种基于粒子群优化算法的棉花异性纤维特征选择方法，该方法包括步骤SI.根据特征提取得到的特征训练样本集的特征数据，初始化粒子群；S2.根据所述样本集设计支持向量机分类器；S3.对所述样本集进行分类，计算粒子的适度值；S4.将当前粒子的适度值与其局部最优解以及种群的全局最优解进行比较，并根据比较结果更新当前粒子的局部最优解以及种群的全局最优解；
S5.根据步骤S4所更新的局部最优解以及全局最优解，计算粒子的移动速度和新的位置；S6.判断是否符合终止条件，若符合，则结束并输出最优特征集，否则迭代次数加 1，并返回步骤S2。优选地，所述样本集中的特征包括颜色特征、形状特征、以及纹理特征。优选地，在步骤SI中，初始化粒子的位置和初始速度，随机产生一组初始值。优选地，在步骤S2设样本集X = (xi; yi)，i = 1，2，. . .，N，其中，N为训练样本数量，Xi为样本的特征，Yi为样本的类别，对于每个粒子计算支持向量机最优分类函数模型为 0019]其中，sign为符号函数，即
权利要求
1.一种基于粒子群优化算法的棉花异性纤维特征选择方法，其特征在于，该方法包括步骤51.根据特征提取得到的特征训练样本集的特征数据，初始化粒子群；52.根据所述样本集设计支持向量机分类器；53.对所述样本集进行分类，计算粒子的适度值；54.将当前粒子的适度值与其局部最优解以及种群的全局最优解进行比较，并根据比较结果更新当前粒子的局部最优解以及种群的全局最优解；55.根据步骤S4所更新的局部最优解以及全局最优解，计算粒子的移动速度和新的位置；56.判断是否符合终止条件，若符合，则结束并输出最优特征集，否则迭代次数加1，并返回步骤S2。
2.如权利要求I所述的方法，其特征在于，所述样本集中的特征包括颜色特征、形状特征、以及纹理特征。
3.如权利要求I所述的方法，其特征在于，在步骤SI中，初始化粒子的位置和初始速度，随机产生一组初始值。
4.如权利要求I所述的方法，其特征在于，在步骤S2设样本集X= (Xi, Yi), i = I, 2，. . .，N，其中，N为训练样本数量，Xi为样本的特征，Ii为样本的类别，对于每个粒子计算支持向量机最优分类函数模型为
5.如权利要求I所述的方法，其特征在于，在步骤S3中，计算所述适度值的适应度函数模型为
6.如权利要求I所述的方法，其特征在于，步骤S4进一步包括步骤若所述粒子的适度值大于局部最优解，则令所述粒子的局部最优解等于所述适度值； 若所述粒子的适度值大于所述种群的全局最优解，则令所述种群的全局最优解等于所述适度值。
7.如权利要求I所述的方法，其特征在于，在步骤S5中，所述粒子的新的位置为 χ；+ι=(0, f (xl+1) <0.全文摘要
本发明公开了一种基于粒子群优化算法的棉花异性纤维特征选择方法，涉及图像处理技术领域。包括步骤S1.根据特征提取得到的特征训练样本集的特征数据，初始化粒子群；S2.根据样本集设计SVM分类器；S3.对样本集进行分类，计算粒子的适度值；S4.将当前粒子的适度值与其局部最优解以及种群的全局最优解进行比较，更新局部最优解以及全局最优解；S5.计算粒子的移动速度和新的位置；S6.若符合终止条件，则结束并输出最优特征集，否则迭代次数加1，并返回步骤S2。本发明的方法能够对棉花异性纤维特征进行优化选择，并且适应SVM分类器的要求，进一步提高分类性能。
文档编号G06K9/62GK102609717SQ201210006210
公开日2012年7月25日 申请日期2012年1月10日 优先权日2012年1月10日
发明者刘双喜, 李恒斌, 李振波, 李道亮, 杨文柱, 王欣, 王金星 申请人:中国农业大学