- 3
- 0
- 约5.76千字
- 约 11页
- 2018-11-15 发布于江苏
- 举报
基于BPSO和SVM的烤烟烟叶图像特征选择技巧研究
基于BPSO和SVM的烤烟烟叶图像特征选择方法研究-农学论文
基于BPSO和SVM的烤烟烟叶图像特征选择方法研究
杨 帆,申金媛
(郑州大学信息工程学院,郑州 450001)
摘要:利用图像特征对烟叶进行分级时,提出了一种对烟叶图像特征进行有效选择的新方法——利用二进制粒子群算法联合SVM模型自适应地选择对烟叶分级影响较大的特征,剔除对分级影响较小或相互间有关联的某些特征,并利用Adaboost和RBF分类器进行验证。结果表明,用SVM分类器时,用被选特征比输入全部特征具有更好的分级正确率;对于相同的分类器,利用二进制粒子群和SVM算法自适应筛选后的特征比输入全部特征具有更好的分级吻合率。
关键词 :烟叶;二进制粒子群;支持向量机;特征选择
中图分类号:TP181 文献标识码:A 文章编号:0439-8114(2015)02-0449-04
DOI:10.14088/j.cnki.issn0439-8114.2015.02.050
目前,我国烟叶分级主要还是依靠人工进行分级,这种方法存在着主观性强、效率低等缺点,因此近年来研究人员在烟叶智能分级方面进行了研究。烟叶的智能识别方法主要有利用烟叶的化学特征、光谱特征和图像特征。其中,利用图像特征对烟叶进行分级有着对烟叶无损、设备简单、效率较高等优点,能够解决人工检测方法的各
原创力文档

文档评论(0)