基于限制性玻尔兹曼机叶片识别算法研究.docVIP

基于限制性玻尔兹曼机叶片识别算法研究 　　摘 要 　　叶片识别是最简单和直接的植物识别方法，采用机器学习算法是解决叶片识别的重要途径。为更有效的识别叶片，提出基于限制性玻尔兹曼机的叶片识别算法，并通过实验论证算法的可行性。 　　【关键词】机器学习 叶片识别 限制性玻尔兹曼机 　　在植物的分类或者检索研究中，通常都选取植物的局部形态特征，如植物中长出现的花、叶、枝条等植物器官。虽然这些植物特征都有各自的分类价值，但与植物其它器官相比，叶片显然具有易于提取，容易转化为计算处理图像等优势，所以常在植物识别中作为主要的参照器官，同时叶片的生长形状和颜色特征又是研究植物异化的一个重要的指标，因此在传统的植物叶片识别系统中，通常都将叶片识别作为最简单和直接的植物识别方法。 　　近年来，越来越多的机器学习方法在现实中被广泛的应用，机器?W习方法正在传统行业中发挥着重要的作用，研究基于机器学习算法的叶片识别系统具有一定应用价值。 　　1 玻尔兹曼机 　　玻尔兹曼机（Boltzmann machine， BM）作为Hopfield网络的一种概率形式，具有良好的概率建模和计算能力。该模型最早脱胎于物理学中的能量模型，用于描述各种高阶变量间的相互作用机制，这种模型的计算方法相对复杂，但其理论框架相对来说较为完善，在BM中每个神经元以一定的概率处于0和1两种状态之下，BM的网络拓扑如图1所