基于行程长度纹理特征的焦炭显微图像分类算法

在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机（SuppoaVectorMa—chine）的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	煤炭学报 2012, Vol.37 (6), p.1051-1055
1. Verfasser:	王培珍缪家龙周可张代林
Format:	Artikel
Sprache:	chi
Schlagworte:	分类器支持向量机焦炭光学组织纹理特征行程长度
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	1055
container_issue	6
container_start_page	1051
container_title	煤炭学报
container_volume	37
creator	王培珍缪家龙周可张代林
description	在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机（SuppoaVectorMa—chine）的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。
format	Article
fullrecord	<record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_42531801</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>42531801</cqvip_id><sourcerecordid>42531801</sourcerecordid><originalsourceid>FETCH-chongqing_primary_425318013</originalsourceid><addsrcrecordid>eNpjYeA0MDI11rW0tDTmYOAqLs4yMDA2MTYz5WSwfzp_15NdfS8W9jxf0f1y6v6nu5Y937Xz-YS25507n-5rfD6r5XnLsudNa5_N2Pd037qns_c9be5_2tH2fOPu5-umP9s8lYeBNS0xpziVF0pzMyi6uYY4e-gmZ-TnpRdm5qXHFxRl5iYWVcabAJ1gaGFgaEyMGgDknkyU</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于行程长度纹理特征的焦炭显微图像分类算法</title><source>DOAJ Directory of Open Access Journals</source><source>IngentaConnect Free/Open Access Journals</source><creator>王培珍缪家龙周可张代林</creator><creatorcontrib>王培珍缪家龙周可张代林</creatorcontrib><description>在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机（SuppoaVectorMa—chine）的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。</description><identifier>ISSN: 0253-9993</identifier><language>chi</language><subject>分类器 ; 支持向量机 ; 焦炭光学组织 ; 纹理特征 ; 行程长度</subject><ispartof>煤炭学报, 2012, Vol.37 (6), p.1051-1055</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/96550X/96550X.jpg</thumbnail><link.rule.ids>314,780,784,4022</link.rule.ids></links><search><creatorcontrib>王培珍缪家龙周可张代林</creatorcontrib><title>基于行程长度纹理特征的焦炭显微图像分类算法</title><title>煤炭学报</title><addtitle>Journal of China Coal Society</addtitle><description>在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机（SuppoaVectorMa—chine）的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。</description><subject>分类器</subject><subject>支持向量机</subject><subject>焦炭光学组织</subject><subject>纹理特征</subject><subject>行程长度</subject><issn>0253-9993</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2012</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0MDI11rW0tDTmYOAqLs4yMDA2MTYz5WSwfzp_15NdfS8W9jxf0f1y6v6nu5Y937Xz-YS25507n-5rfD6r5XnLsudNa5_N2Pd037qns_c9be5_2tH2fOPu5-umP9s8lYeBNS0xpziVF0pzMyi6uYY4e-gmZ-TnpRdm5qXHFxRl5iYWVcabAJ1gaGFgaEyMGgDknkyU</recordid><startdate>2012</startdate><enddate>2012</enddate><creator>王培珍缪家龙周可张代林</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W92</scope><scope>~WA</scope></search><sort><creationdate>2012</creationdate><title>基于行程长度纹理特征的焦炭显微图像分类算法</title><author>王培珍缪家龙周可张代林</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_425318013</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2012</creationdate><topic>分类器</topic><topic>支持向量机</topic><topic>焦炭光学组织</topic><topic>纹理特征</topic><topic>行程长度</topic><toplevel>online_resources</toplevel><creatorcontrib>王培珍缪家龙周可张代林</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库-工程技术</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>煤炭学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王培珍缪家龙周可张代林</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于行程长度纹理特征的焦炭显微图像分类算法</atitle><jtitle>煤炭学报</jtitle><addtitle>Journal of China Coal Society</addtitle><date>2012</date><risdate>2012</risdate><volume>37</volume><issue>6</issue><spage>1051</spage><epage>1055</epage><pages>1051-1055</pages><issn>0253-9993</issn><abstract>在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机（SuppoaVectorMa—chine）的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。</abstract></addata></record>
fulltext	fulltext
identifier	ISSN: 0253-9993
ispartof	煤炭学报, 2012, Vol.37 (6), p.1051-1055
issn	0253-9993
language	chi
recordid	cdi_chongqing_primary_42531801
source	DOAJ Directory of Open Access Journals; IngentaConnect Free/Open Access Journals
subjects	分类器支持向量机焦炭光学组织纹理特征行程长度
title	基于行程长度纹理特征的焦炭显微图像分类算法
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-13T07%3A45%3A11IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E8%A1%8C%E7%A8%8B%E9%95%BF%E5%BA%A6%E7%BA%B9%E7%90%86%E7%89%B9%E5%BE%81%E7%9A%84%E7%84%A6%E7%82%AD%E6%98%BE%E5%BE%AE%E5%9B%BE%E5%83%8F%E5%88%86%E7%B1%BB%E7%AE%97%E6%B3%95&rft.jtitle=%E7%85%A4%E7%82%AD%E5%AD%A6%E6%8A%A5&rft.au=%E7%8E%8B%E5%9F%B9%E7%8F%8D%20%E7%BC%AA%E5%AE%B6%E9%BE%99%20%E5%91%A8%E5%8F%AF%20%E5%BC%A0%E4%BB%A3%E6%9E%97&rft.date=2012&rft.volume=37&rft.issue=6&rft.spage=1051&rft.epage=1055&rft.pages=1051-1055&rft.issn=0253-9993&rft_id=info:doi/&rft_dat=%3Cchongqing%3E42531801%3C/chongqing%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=42531801&rfr_iscdi=true