标题：
DKSVD和SVM在钢轨裂纹漏磁识别上的对比研究
点击次数：
所属单位：
自动化学院
发表刊物：
电子测量技术
关键字：
钢轨裂纹检测;漏磁信号识别;支持向量机;字典学习;
摘要：
针对漏磁检测中漏磁信号识别的问题,引入DKSVD字典学习方法来识别缺陷的种类。将实验采集到的数据制作成有标签的数据集,通过OMP算法和SVD算法迭代的优化字典和稀疏系数,构造出最优字典,再用构造出的字典原子重新组合来表示测试集的数据,判别出测试集样本类别。实验证明字典学习方法能够基于训练集的特征重构漏磁信号,对漏磁信号有良好的识别能力。在不同数据维度下,通过和支持向量机(SVM)算法识别效果进行对比,DKSVD算法取得了更好的效果。
是否译文：
否
发表时间：
2017-09-15
合写作者：
张陆唯,刘文波
通讯作者：
石玉
发表时间：
2017-09-15
学位：工学博士学位
职称：讲师
所在单位：自动化学院