基于PCA-GA-SVM的烟叶分级方法-烟草科技.PDF

2018 年 12 月 烟草科技 Dec. 2018 第51 卷第 12 期 Tobacco Science Technology Vol. 51 No. 12 基于PCA-GA-SVM的烟叶分级方法 * 姚学练，贺福强，平 安，罗 红，管琪明 贵州大学机械工程学院，贵阳市花溪区花溪大道南段2708 号 550025 摘要：为解决烟叶分级所需特征多、计算量大、训练模型复杂等问题，基于主成分分析（PCA ）、遗传算法 （GA ）和支持向量机（SVM ）提出了一种烟叶分级方法，利用PCA 对烟叶特征进行降维以去除交叉冗余 信息，将降维后的15 个烟叶特征输入SVM ，利用GA 对SVM 模型的惩罚参数C和核函数参数g进行优 化；结合烟叶质量分级实际需求对比识别率和运行时间，确定PC 及其对应的C 和g ，并以PC 作为 best best best best 降维后的主成分标准。以C 和g 作为SVM 模型的参数训练模型，利用训练后模型对测试集样本进行 best best 实验，结果表明：与SVM 模型和GA-SVM 模型相比较，PCA-GA-SVM 模型的烟叶识别率和分级效率分 别提高24.86%和35.64% 。该方法可为提高烟叶分级效率和准确度提供技术支持。 关键词：烟叶分级；主成分分析法；遗传算法；支持向量机；训练模型 中图分类号：TP391 文献标志码：A 文章编号：1002-0861 （2018 ）12-0098-08 Leaf tobacco grading method based on PCA-GA-SVM * YAO Xuelian, HE Fuqiang , PING An, LUO Hong, GUAN Qiming School of Mechanical Engineering, Guizhou University, Guiyang 550025, China Abstract ：Leaf tobacco grading involves multiple leaf characters and a great number of computation, the training model becomes very complex, a grading method on the basis of principal component analysis （PCA ）, genetic algorithm （GA ）and support vector machine （SVM）was proposed. PCA was used to remove cross redundant information via dimension reduction, the resulted 15 leaf characters were input into SVM. The penalty parameter C and kernel function parameter g in the SVM model were optimized by GA. In combination with the actual demands of leaf tobacco grading, and comparing the identification rate with runn