基于SVDD和SVM的赤潮藻类识别

• 作者: 江涛 焦念志 王博亮 王程 谢杰镇 骆庭伟
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 赤潮 支持向量数据域 特征提取 流式细胞技术
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 47-51
• 页数: 5页
• 分类号: TP391.41
• 字数: 3396字
• 语种: 中文

摘要

提出了一种基于支持向量机(SVM)和支持向量域描述(SVDD)的赤潮藻类分类系统.该系统是赤潮藻类流式监测系统的子系统.设计这套系统的主要难点在于:1)同一种藻类的形态由于个体差异和生长期不同而不同;2)藻类图像是任意位置三维目标在成像平面的投影,投影存在任意性并可能产生局部遮挡;3)藻类图像包含非目标藻类和杂质.在特征提取算法的基础上,首先对输入的藻类采用SVDD进行拒识或接受处理,最后针对接受的藻类再利用基于超平面分割的SVM分类器进行分类判决.实验证明:基于SVM和SVDD的赤潮藻类分类系统分类精度更高并具有较好的拒识性能,是一种较好的藻类自动分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王博亮	厦门大学信息科学与技术学院	103	1437	20.0	34.0
2	王程	国防科技大学电子科学与工程学院	4	47	3.0	4.0
3	谢杰镇	厦门大学信息科学与技术学院	17	148	7.0	12.0
4	江涛	厦门大学信息科学与技术学院	5	19	2.0	4.0