基于BPSO和SVM的烤烟烟叶图像特征选择方法研究

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。     

融合BPSO最优粒子和被选概率特征有用光谱的选择

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。