基于属性权值多级分类的测试样本数据预处理

针对算法测试在工业生产实际操作应用中,经常面临样本数据迅速大量增加,测试执行时间过长、测试效率低下、算法改进周期过长的问题。文章提出一种精简测试样本的算法,快速实时处理新增样本,去除冗余数据。首先对新增的样本数据按照分类阈值分配到各子数据集中,然后在每一个子数据集中根据数据的重要程度属性计算相似度值,为减少计算量,先对子数据集进行排序处理,最后根据相似性的阈值判断去除冗余数据。实验利用所得样本库不断对算法进行回归测试,分析表明算法的测试效率及测试充分性都有明显提升,并提高了算法在工业生产实际应用过程中的稳定性和适应性,有力的保证了算法的质量。

基于特征提取及聚类算法的增量图片筛选系统

在工业生产过程中,由于需要频繁对产品进行拍照,所以会产生大量测试图片,而因为产品的外形等比较相近,因此样本图片比较相似,由此造成重复测试和测试时间过长等问题。提出一种对图片进行分类并精简数量的方法,来实现减少检测图片数量,缩短测试时间的目的。系统首先对样本图片进行特征提取,然后对特征进行降维,并对结果进行聚类来得到多个图片库,最后对图片库内的图片进行筛选,得到最终的样本库。实验对不同特征提取方法进行对比,最终从结果精度及处理时间上考虑,采取了FAST特征提取算法,有力保证了算法的质量。