| 基于改进SVM算法的植物叶片分类研究 |
| |
| 引用本文： | 马娜,李艳文,徐苗.基于改进SVM算法的植物叶片分类研究[J].山西农业大学学报(自然科学版),2018(11). |
| |
| 作者姓名： | 马娜 李艳文 徐苗 |
| |
| 作者单位： | 山西农业大学信息科学与工程学院 |
| |
| 摘 要： | 目的]为了有效的对植物物种进行识别,方法]本文提出了基于布谷鸟(CS)算法改进的支持向量机(SVM)方法对植物叶片分类从而识别植物物种。本文用两种数据集验证改进的CS-SVM算法对植物叶片的分类效果:UCI公开数据集和自主采集叶片图像。在自主采集的叶片图像数据集中,首先对叶片图像预处理,提取6个特征值,然后再使用CS-SVM算法建立分类模型。结果]结果表明,在UCI公开数据集每种叶片样本量较少的情况下,CS-SVM算法对叶片分类的准确率可以达到87%以上;在采集的叶片图像数据集上以鹅耳草榆属、槭属等8种植物叶片和红柳、杨属等15种植物叶片样本分别试验,前者叶片分类准确率达95%,后者则大于84%。最后,将CS-SVM算法与PSO-SVM算法对植物叶片的分类效果进行对比,结果表明两种方法在叶片分类准确率上无显著差异,但CS-SVM方法在速度上领先10 s以上。结论]改进的CS-SVM算法在样本量少或者样本特征属性少的情况下,对植物叶片的分类具有良好的效果。
|
| 本文献已被 CNKI 等数据库收录！ |
|
