基于BPSO和SVM的烤烟烟叶图像特征选择方法研究   总被引：1，自引：0，他引：1  

杨帆  申金媛 《湖北农业科学》2015,54(2):449-452

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。  相似文献   

基于聚类的烟叶标准库和特征选择     

李航  申金媛  刘润杰  穆晓敏 《黑龙江农业科学》2016,(4):140-143

为实现烟叶自动化分级,采用聚类算法来剔除烟叶样本中异样样本,通过计算类间的方差,选取方差值大的特征作为有用特征。利用支持向量机模拟人工操作,进行13个等级分部位、分颜色的识别。结果表明:特征选择后的最佳准确率分别为95.52%、98.22%。在提升准确率的同时,减少了输入特征的个数和采集光谱数据所需的时间。  相似文献   

基于径向基网络的烟叶光谱分级   总被引：2，自引：0，他引：2  

彭丹青  申金媛  刘剑君  丁春峰  刘润杰 《农机化研究》2009,31(10)

烟叶的红外光谱特征不仅与其化学成分密切相关, 而且与其内部结构有一定的关系.为此,提出了基于光谱分析并利用径向基神经网络对烟叶进行等级分类的方法.首先,对复杂繁多的原始光谱数据进行小波变换;然后,采用RBF(Radial-Basis Function)神经网络进行分级.小波变换不仅可除去部分噪声,而且压缩后的数据可减少识别网络的输入维数,从而缩短了网络的训练和识别时间,并有效地减小了神经网络的VC维数,提高了网络的推广能力.对两种不同等级的50片烟叶红外光谱数据进行分析,取其中23片作训练样本,其他的27片作测试样本.实验结果表明:训练样本的正确识别率为100%,测试样本的正确识别率为96.3%.  相似文献   

融合BPSO最优粒子和被选概率特征有用光谱的选择     

马孝腊  申金媛  刘润杰  穆晓敏 《湖北农业科学》2016,(1)

为提高基于红外光谱(NIR)对烟叶分级的效率,提出融合BPSO最优粒子和被选概率特征对烟叶的NIR进行有用特征光谱的选择。基于该方法选择的有用NIR特征光谱,对2012年642片(13个等级)烟叶进行分级,试验结果表明,通过合适的被选概率值可以得到数目相对少的用于烟叶自动分级的特征光谱组合,若与最佳粒子融合可以得到更好的分级吻合率。利用选择后的特征光谱不仅可以提高分级速度,还可以适当提高分级正确率。  相似文献   

概率神经网络在烟叶自动分级中的应用   总被引：2，自引：0，他引：2  

张乐明  申金媛  刘剑君  刘润杰 《农机化研究》2011,33(12)

烟叶自动分级一直都是国内外烟草研究领域的重难点。为此,以红外光谱作为烟叶的特征,采用概率神经网络对11个等级的烟叶进行分组和分级。对光谱信号做消除基线漂移预处理,然后将其作为神经网络的输入样本,选择50%左右的样本作为学习训练样本,其余为测试样本;训练好的模型不论是分组还是分级,对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率在90%以上。结果表明,概率神经网络可以进行烟叶自动分级,为烟叶的自动分级开辟了一条新途径。  相似文献