您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201905-268
论文题目 基于特征融合的堆叠工件分类识别研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于特征融合的堆叠工件分类识别研究

首发时间:2019-05-29

杨继东 1   

杨继东(1966-),男,副教授,硕导,主要研究方向:机电一体化,智能制造及装备研究

胡啟旭 1   

胡啟旭(1995-),女,研究生在读,主要研究方向:机电一体化

王飞龙 1    孙兆琦 1   
  • 1、重庆大学机械工程学院,重庆,400044

摘要:本文针对堆叠工件的识别问题,提出了一种基于决策融合的方法,旨在提高目标工件的识别准确率。使用SVM支持向量机作为分类器,提取工件的LBP特征与HOG特征且将其用于训练分类器,对不同情况下的特征分类器进行对比分析,分别从两种特征分类器中选择分类准确率较高的分类器进行融合,得出分类准确率最高的分类器。最后,将LBP特征分类器,HOG特征分类器与融合后的特征分类器分别做样本识别实验,对实验结果进行对比分析,证明了本文算法能够达到更高的分类准确率。

关键词: 决策融合 LBP特征 HOG特征

For information in English, please click here

Research on Classification and Recognition of Stacked Workpieces Based on Feature Fusion

Yang Jidong 1   

杨继东(1966-),男,副教授,硕导,主要研究方向:机电一体化,智能制造及装备研究

Hu Qixu 1   

胡啟旭(1995-),女,研究生在读,主要研究方向:机电一体化

Wang Feilong 1    Sun Zhaoqi 1   
  • 1、School of Mechanical Engineering,Chongqing University,Chongqing 400044

Abstract: In this paper, a method based on decision fusion is proposed for the identification of stacked workpiece, which aims to improve the recognition accuracy of target workpiece. SVM support vector machine (SVM) is used as a classifier to extract the HOG features and LBP features of the workpiece and use them to train the classifiers. The feature classifiers in different cases are compared and analyzed. From the two feature classifiers, the classifiers with higher classification accuracy are selected for fusion, and the classifiers with the highest classification accuracy are obtained. Finally, the LBP feature classifier, the HOG feature classifier and the fused feature classifier are respectively used in the sample recognition experiment, and the experimental results are compared and analyzed. It is proved that the proposed algorithm can achieve higher classification accuracy.

Keywords: decision fusion LBP feature HOG feature

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
杨继东,胡啟旭,王飞龙,等. 基于特征融合的堆叠工件分类识别研究[EB/OL]. 北京:中国科技论文在线 [2019-05-29]. https://www.paper.edu.cn/releasepaper/content/201905-268.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于特征融合的堆叠工件分类识别研究