《表2 通过SVM的测试集分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器视觉在厚壁钢管端面缺陷检测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据图10、11可知，线性核函数下当惩罚因子C=0.1时，分类准确率达到最高，准确率为85.8%；而选用RBF核时，在C=100，gamma=0.1的情况下准确率达到了96.7%，较线性核有很大的提升，且训练耗时并不会比线性核的情况下长很多。因此，笔者选择高斯核函数（RBF）作为最终SVM分类器的核函数。在对4类测试样本共计120组特征向量进行测试后，其分类结果混淆矩阵如表2所示。