排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
张绍钧 《自动化与仪器仪表》2010,(2):101-102
针对PCB产品视觉检测中图像缺陷细微、形状复杂、特征难于提取、易受噪声影响的问题,本文把Fisher分的属性转换方法和朴素贝叶斯分类器相结合,把Fisher分的属性转换方法麻用朴素贝叶斯分类器上提出一种新的分类器——Fisher分朴素Bayes分类器(Fisher Naive Bayes Classifier,FNBC)。并将Fisher分朴素Bayes分类器应用到PCB产品视觉检测中缺陷分类中。实验表明,该方法六类缺陷混合识别率达到95.6%,高于BP神经网络的最优识别率91.8%和基于区域方法的81.3%,而且训练和分类时间短,具有重要的应用价值。 相似文献
1