排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
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
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
2.
3.
基于径向基网络的烟叶光谱分级 总被引:2,自引:0,他引:2
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
4.
5.
1