文献知网节
安徽农业科学. 2012年06期 第3781-3782+3785页
  • 记笔记
摘要:[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。
  • DOI:

    10.13989/j.cnki.0517-6611.2012.06.132

  • 专辑:

    农业; 电子技术及信息科学

  • 专题:

    农艺学; 自动化技术

  • 分类号:

    S379.5;TP18

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:93 页码:3781-3782+3785 页数:3 大小:203K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者