基于支持向量机(SVM)的蘑菇毒性检测系统本科毕业论文.docVIP

华中农业大学本科毕业论文（或设计） PAGE PAGE II 目 录 TOC \o 1-3 \h \z \u 摘 要 II 关键词 II Abstract II Key Words II 1引言 1 1.1研究意义 1 1.2国内外研究情况 1 2支持向量机理论 3 2.1支持向量机基础理论 3 2.2 C-SVM算法及其变形算法 7 2.3 v-SVM算法 9 3 LIBSVM软件 12 3.1 LIBSVM软件简介 12 3.2 LIBSVM软件的使用方法 12 3.3 LIBSVM的工具包 15 4 Qt图形库 18 5 系统的设计与实现 19 5.1分类问题的提出及SVM分类原理 19 5.2支持向量机与蘑菇毒性分析相结合 21 5.2.1 蘑菇毒性检测系统总体框架 21 5.2.2 蘑菇物理属性的数据描述 21 5.2.3 蘑菇属性数据学习模型的建立 23 5.2.4 蘑菇毒性预测部分 26 6 总结 27 6.1 结论 27 6.2 下一步工作 28 参考文献 29 致 谢 30 基于支持向量机（SVM）的蘑菇毒性检测系统 摘 要 本文根据模式识别理论，对支持向量机的分类机制，核函数算法和松弛变量的定义进行了研究，采用了LIBSVM工具结合蘑菇毒性样本数据在linux下开发出了蘑菇毒性检测系统，该系统着重分析了样本数据的分割和参数变量的定义对分类精确率的影响。并在此情况下产生样本学习结果，然后便可对蘑菇进行毒性分类即检测。 本系统采用了数目为1000的子数据样本，核函数参数和松弛变量都采用系统计算出的推荐参数，最后产生了一个高效的准确度高的易用蘑菇检测系统。 关键词 支持向量机；样本学习；分类；毒性检测 Appraisal system of poisonous mushroom based Support Vector Machine Abstract Based on the theory of pattern recognition, the thesis studies the classification of support vector machines, the arithmetic of kernel function and the definition of slack variable, the LIBSVM tool with mushroom toxicity data on Linux develope mushroom toxicity testing system, this system is analyzed and the parameters of the sample data segmentation of precise definition of variable rate. Classification, And in the condition,the study result samples related physical properties can be toxic classification of mushrooms on that test. Here is the system USES a number of 1000 kernel function parameter data sample, and relaxation variables are calculated using the system parameters, the recommended a high accuracy high easy-to-use mushroom detection system. Key Words Support Vector Machine; Sample Learning; Classification;Toxicity Testing 毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作 者 签 名：　　 　 　　日　 期：　　 　 　　  指导教师签名：