DKSVD和SVM在钢轨裂纹漏磁识别上的对比研究
来源：电子测量技术杂志2017年第9期北京时间：
作者：张陆唯
单位：南京航空航天大学自动化学院 南京 211106
摘要：针对漏磁检测中漏磁信号识别的问题，引入DKSVD字典学习方法来识别缺陷的种类。将实验采集到的数据制作成有标签的数据集，通过OMP算法和SVD算法迭代的优化字典和稀疏系数，构造出最优字典，再用构造出的字典原子重新组合来表示测试集的数据，判别出测试集样本类别。实验证明字典学习方法能够基于训练集的特征重构漏磁信号，对漏磁信号有良好的识别能力。在不同数据维度下，通过和支持向量机(SVM)算法识别效果进行对比， DKSVD算法取得了更好的效果。
关键词：钢轨裂纹检测;漏磁信号识别;支持向量机;字典学习
