论文部分内容阅读
根据煤岩壳质组各显微组分的纹理特点及其差异,采用基于人类视觉感知的Tamura纹理描述方法,提取其粗糙度、对比度、方向度、线像度、规则度等特征量,对壳质组显微组分中角质体、藻类体和树皮体等3类组分典型样本进行描述,并对特征量的可区分性进行分析。鉴于壳质组显微组分样本数的局限,构建适合于小样本分类问题的支持向量机分类器,分别采用不同特征量及特征量组合对3种典型组分进行分类。实验结果表明:单个特征难以实现对显微组分的有效分类;采用组合特征可明显提高分类效果,其中线像度和方向度的组合效果最佳,分类平均准确