基于支持向量机的煤矸识别研究.pdf

山西电子技术
　 研究与探索　
２０２１年第 ６期
文章编号：１６７４４５ ［６］
光［５］对不同类的煤的密度和灰分的关系进行研究 零率、短时能量、自相关函数 ；频域特征提取算法
分析，得出基于厚度和密度的灰度改变，采用 Ｒ值 包括离散傅里叶变换、快速傅里叶变换、小波变换
法对煤矸与煤的差异识别。 等。目前常用的特征提取算法采用的是梅尔倒谱系
收稿日期：２０２１－０８－１７
作者简介：李 黎（１９８３），女，湖北十堰人，硕士研究生，研究方向：机器学习。８６ 山　西　电　子　技　术　　　　　　　　　　　　　２０２１年　
数，ＭＦＣＣ就是在梅尔刻度频率上提取出来的梅尔 ３　ＳＶＭ 分类器
倒谱参数。
ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ）是统计学理论分
ＭＦＣＣ算法实现的过程如图 ２所示。预处理一
类算法。该算法实现样本特征在模型复杂性与学习
般是加窗等操作、快速傅里叶变换、取模平方、Ｍｅｌ 能力间寻求平衡点。在解决小样本、非线性及高维
滤波器、对数变换、离散余弦变换等步骤。 等方面的效果比较明显。
对于样本 Ｓ存在最优的分类面 ｗ·（ｘ）＋ｂ＝
０。使用非线性函数将原来的参数空间变换到高维
空间，进而建立上述超平面，ｗ表示平面法向量，ｂ
图 ２　ＭＦＣＣ实现流程图
表示截距设分离平面函数：
对数梅尔谱图（ＬｏｇＭｅｌ）更多是希望符合声音
ｗ·（ｘ）＋ｂ＝０ ． （１）
信号的本质，拟合人耳的接收特性。