2017年全年学报扉页理科扉页cdr-井冈山大学学报.PDF

第38 卷第1 期 Vol.38 No.1 井冈山大学学报( 自然科学版) 井冈山大学学报( 自然科学版) 60 2017 年1 月 Jan. 2017 Journal of Jinggangshan University (Natural Science) 60 文章编号：1674-8085(20 17)01-0060-05 基于PCA/ICA 的海洋浮游生物识别 * 1,2 1,2 1,2 肖晓红 ，刘冬生 ，欧阳春娟 (1.井冈山大学电子与信息工程学院，江西，吉安 343009 ；2.流域生态与地理环境监测国家测绘地理信息局重点实验室，江西，吉安 343009) 摘 要：通过海洋浮游生物图像对浮游生物进行识别和分类，有助于合理地开发、管理、利用海洋资源。针对直 接使用 PCA 或 ICA 形成的特征空间，不能达到各类别元素未能较好分离的问题，提出了一种浮游生物识别算 法。采用 PCA 和 ICA 相结合的多层混合分类模型，提取 WHOI 数据集浮游生物样本特征，放入到分类模型中 进行测试，并对不同距离度量的识别效果进行了比较。结果表明基于耦合度量的混合分类模型具有良好的分类性 能。 关键词：模式识别；浮游生物；主成分分析（PCA）；独立成分分析（ICA）；有监督学习 中图分类号：TP391.4 文献标识码：A DOI:10.3969/j.issn.1674-8085.2017.01.012 PCA/ICA BASED MARINE PLANKTON RECOGNITION * XIAO Xiao-hong1,2 , LIU Dong-sheng1,2, OUYANG-Chunj uan1,2 (1. School of Electronics and Information Engineering, Jinggangshan University, Ji ’an, Jiangxi 343009, China ； 2.Key laboratory of watershed ecology and geographical environment monitoring, NASG, Ji’an, Jiangxi 343009, China) Abstract: The recognition and classification of marine plankton via its image can facilitate the development, management and utilization of marine resources. According to a direct implementation of PCA or ICA fail to separate the points in different classes in the eigenspace, we propose an algorithm for plankton recognition combining PCA and ICA to form a multi-layer classification mechanism. An experiment on plankton samples collected by WHOI is conducted to test the performance of our model, in which different features as well as measures of distance are explored. The result shows that the hybrid model using couple