CN107273923A - 一种纺织面料摩擦声波辨别器的构建方法 - Google Patents
一种纺织面料摩擦声波辨别器的构建方法 Download PDFInfo
- Publication number
- CN107273923A CN107273923A CN201710408318.7A CN201710408318A CN107273923A CN 107273923 A CN107273923 A CN 107273923A CN 201710408318 A CN201710408318 A CN 201710408318A CN 107273923 A CN107273923 A CN 107273923A
- Authority
- CN
- China
- Prior art keywords
- discriminator
- mrow
- mtd
- sample
- sound wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种纺织面料摩擦声波辨别器的构建方法。本发明对声波信号计算Haar特征空间,在特征空间中的每个特征点上构建辨别器,根据“正样本全通过、负样本误判最少”的原则确定辨别器门限值;对每个辨别器计分,拾取得分最高者构建辨别器队列,通过不断调整被误判负样本的权值,使得拾取过程具有倾向性,从而组建高效的渐进式辨别器队列。本发明提供的方法,可用于根据摩擦声波进行纺织面料分类,作为对当前纺织面料分类方式的补充。
Description
技术领域
本发明属于纺织工程技术领域,具体涉及一种纺织面料摩擦声波辨别器的构建方法。
背景技术
现有的面料检测与分类的方法包括手感目测法、燃烧法、化学试剂法和光谱分析法等。手感目测法主观性较强容易出错,燃烧法和化学试剂法属于有损检测且操作复杂,光谱分析法则费用高昂。纺织面料由于材质不同造成摩擦声波信号特征不同,通过摩擦声波进行面料的分类可作为对现有方法的补充。通过摩擦声波进行面料分类的前提和关键,是摩擦声波辨别器的构建。
发明内容
作为对现有面料检测与分类方法的补充,本发明提供一种面料摩擦声波辨别器的构建方法,该方法可在少量样本条件下快速、有效地组建辨别器队列,从而为通过摩擦声波进行纺织面料的分类提供支撑。
本发明通过以下技术方案来实现:对摩擦声波信号提取特征空间,特征空间中每个点对应一个辨别器,按照“正样本全通过、负样本误判最小”的原则确定每个辨别器的门限值;对每个负样本赋予相同的初始权值,每次拾取一个负样本辨别能力最强的辨别器加入队列,并且使那些被误判的负样本权值加倍,以此控制那些能够辨别上一次误判样本的辨别器更有可能被拾取,从而组建一个高效的、渐进式的辨别器队列。
本发明的主要技术内容包括:
(1)计算特征空间
设摩擦声波信号为v,v(s,p)代表该信号中以p为位移、以s为尺度的片段,h(s)为Haar小波在尺度s上的实例,则该信号的Haar特征空间F定义为:
F(s,p)=v(s,p)×h(s)
(s,p)可视为特征空间的点坐标,三维空间F(s,p)涵盖了信号在所有特征点(尺度和位移)上的Haar特征。
(2)构建辨别器
针对每个特征点(s,p),构建一个辨别器D(s,p)。设ts,p为辨别器D(s,p)的门限值,当样本在该点的特征值落入ts,p的某一边(左边或右边),该样本被认作正样本。因此,实现辨别器的关键是确定其门限值。按照“正样本全通过、负样本误判最少”的原则确定门限值,具体实施如下:计算所有样本在该点的特征值,确定正样本在该点特征值的范围[a,b],计算ts,p=a时负样本的误判率Ea和ts,p=b时负样本的误判率Eb,
若Ea<Eb:
否则:
其中正样本以1表示,负样本以0表示。
(3)组建辨别器队列
按下列步骤组建辨别器队列:
a)为每个负样本赋初始权值1.0;
b)为每个辨别器计分,分值为其正确辨别的各个负样本的权值加和;
c)拾取得分最高的辨别器(设为Dm)推入队列;
d)对Dm误判的负样本,将其权值加倍,然后跳转到步骤b)
本发明的最大优点是不需要大量样本用于辨别器的训练,而是通过对负样本权值的不断调整,影响拾取过程的倾向性,形成渐进式辨别器队列。负样本通过单个辨别器的概率非常大,但通过整个辨别器队列的概率极小,从而可用于对摩擦声波信号进行分类。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是四种典型的面料摩擦声波信号;
图2是图1中所示摩擦声波信号的特征空间;
图3是辨别器构建的一个实施例;
图4是辨别器队列组建的流程图。
具体实施方式
下面结合说明书附图对本发明做进一步说明。
在图1中,给出了面料摩擦声波信号的典型例子,面料成分依次是羊毛、棉、丝、涤纶。对每种面料摩擦声波采集8个样本,共4组32个样本。若要构建羊毛面料的摩擦声波辨别器,则以羊毛面料摩擦声波信号为正样本,其余为负样本,即8个正样本和24个负样本。采样率为8KHz,则每个样本包含8000个数据。
在图2中,给出了计算得到的每个样本的特征空间。该系列样本的特征空间包含8000×8000=64,000,000个特征点,针对每个特征点构建辨别器。以辨别器D(1,1)为例,各个样本在特征点(1,1)处的值如图3。
图3表明,在特征点(1,1)处正样本(羊毛面料)的取值范围为[0.08,0.46],根据“正样本全通过”原则,辨别器D(1,1)的门限值可选0.08或0.46。若门限值取0.08则有20个负样本被误判,取0.46则有15个负样本被误判,根据“负样本误判最少”原则,辨别器D(1,1)门限值应取0.46,即:
图4阐述辨别器队列的组建过程。24个负样本初始权值设为1,以正确辨别的各个负样本的权值加和为每个辨别器计分,拾取得分最高的辨别器Dm,将其加入队列;对Dm误判的样本,权值加倍;重复进行辨别器计分、拾取和权值调整,直到辨别器全部进入队列。
Claims (5)
1.一种纺织面料摩擦声波辨别器的构建方法,其特征在于包括如下步骤:
1)计算特征空间
计算声波信号的Haar特征值,建立三维特征空间;
2)构建辨别器
对特征空间中的每个特征点,构建一个辨别器;
3)组建辨别器队列
为每个辨别器计算其得分,不断拾取得分最高的辨别器,组建辨别器队列。
2.根据权利要求1所述的纺织面料摩擦声波辨别器构建方法,其特征在于所述的步骤1)具体为:所述的特征空间包括声波信号在每个位移量和尺度上的特征值;
设摩擦声波信号为v,v(s,p)代表该信号中以p为位移、以s为尺度的片段,h(s)为Haar小波在尺度s上的实例,则该信号的Haar特征空间F定义为:
F(s,p)=v(s,p)×h(s)
(s,p)视为特征空间的点坐标,三维空间F(s,p)涵盖了信号在所有特征点上的Haar特征。
3.根据权利要求1所述的纺织面料摩擦声波辨别器构建方法,其特征在于所述的步骤2)具体为:
针对每个特征点(s,p),构建一个辨别器D(s,p),设ts,p为辨别器D(s,p)的门限值,当样本在该点的特征值落入ts,p的某一边,该样本被认作正样本,按照“正样本全通过、负样本误判最少”的方法确定门限值。
4.根据权利要求3所述的纺织面料摩擦声波辨别器构建方法,其特征在于所述的按照“正样本全通过、负样本误判最少”的方法确定门限值具体为:
计算所有样本在该点的特征值,确定正样本在该点特征值的范围[a,b],计算ts,p=a时负样本的误判率Ea和ts,p=b时负样本的误判率Eb,若Ea<Eb则取a作为门限值,否则取b作为门限值;
取a作为门限值时:
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>a</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
取b作为门限值时:
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
5.根据权利要求1所述的纺织面料摩擦声波辨别器构建方法,其特征在于所述的组建辨别器队列具体为:先对所有负样本赋予初始权值1,以正确辨别的负样本的权值加和为每个辨别器计分,拾取得分最高的辨别器Dm,将其加入队列;对Dm误判的样本,权值加倍;重复进行辨别器计分、拾取和权值调整,直到辨别器全部进入队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408318.7A CN107273923B (zh) | 2017-06-02 | 2017-06-02 | 一种纺织面料摩擦声波辨别器的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408318.7A CN107273923B (zh) | 2017-06-02 | 2017-06-02 | 一种纺织面料摩擦声波辨别器的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273923A true CN107273923A (zh) | 2017-10-20 |
CN107273923B CN107273923B (zh) | 2020-09-29 |
Family
ID=60064435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710408318.7A Expired - Fee Related CN107273923B (zh) | 2017-06-02 | 2017-06-02 | 一种纺织面料摩擦声波辨别器的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273923B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238198A1 (en) * | 2004-04-27 | 2005-10-27 | Microsoft Corporation | Multi-image feature matching using multi-scale oriented patches |
CN101183428A (zh) * | 2007-12-18 | 2008-05-21 | 北京中星微电子有限公司 | 一种图像检测方法及装置 |
CN101350063A (zh) * | 2008-09-03 | 2009-01-21 | 北京中星微电子有限公司 | 人脸特征点定位方法及装置 |
CN102722723A (zh) * | 2012-05-24 | 2012-10-10 | 杭州海康威视数字技术股份有限公司 | 一种基于多尺度的Adaboost检测方法及系统 |
CN102903122A (zh) * | 2012-09-13 | 2013-01-30 | 西北工业大学 | 基于特征光流与在线集成学习的视频目标跟踪方法 |
CN103150572A (zh) * | 2012-12-11 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 在线式视觉跟踪方法 |
CN103295021A (zh) * | 2012-02-24 | 2013-09-11 | 北京明日时尚信息技术有限公司 | 一种静态图片中车辆特征检测及识别的方法及系统 |
CN103902591A (zh) * | 2012-12-27 | 2014-07-02 | 中国科学院深圳先进技术研究院 | 构建决策树分类器的方法及装置 |
-
2017
- 2017-06-02 CN CN201710408318.7A patent/CN107273923B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238198A1 (en) * | 2004-04-27 | 2005-10-27 | Microsoft Corporation | Multi-image feature matching using multi-scale oriented patches |
CN101183428A (zh) * | 2007-12-18 | 2008-05-21 | 北京中星微电子有限公司 | 一种图像检测方法及装置 |
CN101350063A (zh) * | 2008-09-03 | 2009-01-21 | 北京中星微电子有限公司 | 人脸特征点定位方法及装置 |
CN103295021A (zh) * | 2012-02-24 | 2013-09-11 | 北京明日时尚信息技术有限公司 | 一种静态图片中车辆特征检测及识别的方法及系统 |
CN102722723A (zh) * | 2012-05-24 | 2012-10-10 | 杭州海康威视数字技术股份有限公司 | 一种基于多尺度的Adaboost检测方法及系统 |
CN102903122A (zh) * | 2012-09-13 | 2013-01-30 | 西北工业大学 | 基于特征光流与在线集成学习的视频目标跟踪方法 |
CN103150572A (zh) * | 2012-12-11 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 在线式视觉跟踪方法 |
CN103902591A (zh) * | 2012-12-27 | 2014-07-02 | 中国科学院深圳先进技术研究院 | 构建决策树分类器的方法及装置 |
Non-Patent Citations (2)
Title |
---|
贾平等: "《基于局部特征提取的目标自动识别》", 《光学 精密工程》 * |
陶晨等: "《面料摩擦声音特征提取》", 《丝绸》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107273923B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104538041B (zh) | 异常声音检测方法及系统 | |
CN101330476B (zh) | 一种垃圾邮件动态检测方法 | |
CN101827002B (zh) | 一种数据流分类的概念漂移检测方法 | |
CN106447040B (zh) | 基于异类多传感器数据融合的机械设备健康状态评估方法 | |
CN105139029B (zh) | 一种监狱服刑人员的行为识别方法及装置 | |
CN107145778B (zh) | 一种入侵检测方法及装置 | |
CN101251896B (zh) | 一种基于多分类器的物体检测系统及方法 | |
CN109164450B (zh) | 一种基于多普勒雷达数据的下击暴流预测方法 | |
CN109977885A (zh) | 一种基于多普勒特征的人车自动识别方法及装置 | |
CN109450957A (zh) | 一种基于云模型的低速拒绝服务攻击检测方法 | |
CN106098079A (zh) | 音频信号的信号提取方法与装置 | |
CN104316167B (zh) | 一种低信噪比下结构响应异常检测方法 | |
CN106204893A (zh) | 一种基于支持向量机的纸币检测方法 | |
CN107465814B (zh) | 一种基于手机惯性传感器的用户输入识别方法 | |
CN107358248A (zh) | 一种提高跌倒检测系统精度的方法 | |
CN108107086A (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
CN110018515A (zh) | 一种用振幅变化长短时均值比实现地震预警中p波自动拾取的方法 | |
CN101782964B (zh) | 一种基于加速度传感器的失重特征提取方法 | |
CN110428398A (zh) | 一种基于深度学习的高铁接触网拉线缺陷检测方法 | |
CN103049759B (zh) | 一种用于邮政分拣系统的邮政编码识别方法 | |
CN109409216A (zh) | 基于子载波动态选择的速度自适应室内人体检测方法 | |
CN106404893A (zh) | 一种轴向漏磁缺陷信号自动检测方法 | |
CN113946920A (zh) | 一种数据不平衡且数据集存在偏差的滚动轴承故障诊断方法 | |
CN107273923A (zh) | 一种纺织面料摩擦声波辨别器的构建方法 | |
CN103743477B (zh) | 一种机械故障检测诊断方法及其设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200929 Termination date: 20210602 |
|
CF01 | Termination of patent right due to non-payment of annual fee |