基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高昆虫鉴定的准确度,基于支持向量机提出了一种新的计算机昆虫数值化鉴定方法,并应用于以前翅内部翅脉交点距离为数值特征的7种蝴蝶的鉴定.首先利用DrawWing软件对7种蝴蝶的翅脉交点坐标进行了自动获取,并计算各相邻交点之间的欧式距离;然后将每类样本与其他样本组成二分类模型;再对每一模型经支持向量机非线性特征筛选,去除无用或冗余特征值,并以保留特征构建最终分类器.7个预测模型的独立测试平均精度达98.64%,明显高于参比模型,表明新方法在昆虫鉴定领域具有较好的应用前景.
推荐文章
基于V-支持向量机与ε-支持向量机的非线性系统辨识
支持向量机
非线性系统
辨识
回归问题
基于GEP的支持向量机参数优化
支持向量机
基因表达式编程
参数优化
基于支持向量机的并行学习方法研究
并行处理系统
学习系统
支持向量机
分类器组合
基于分类面拼接的快速模块化支持向量机研究
并行处理系统
学习系统
支持向量机
模块化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的昆虫数值化鉴定
来源期刊 中国农学通报 学科 农学
关键词 支持向量机 数值化鉴定 特征筛选 昆虫识别
年,卷(期) 2014,(7) 所属期刊栏目 植物保护—研究报告
研究方向 页码范围 286-291
页数 分类号 S4
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张红燕 湖南农业大学信息科学技术学院 37 127 6.0 9.0
3 吴宏华 湖南农业大学信息科学技术学院 1 1 1.0 1.0
6 陈渊 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (96)
共引文献  (83)
参考文献  (15)
节点文献
引证文献  (1)
同被引文献  (13)
二级引证文献  (4)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(6)
  • 参考文献(1)
  • 二级参考文献(5)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(8)
  • 参考文献(1)
  • 二级参考文献(7)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(8)
  • 参考文献(1)
  • 二级参考文献(7)
2003(13)
  • 参考文献(1)
  • 二级参考文献(12)
2004(10)
  • 参考文献(0)
  • 二级参考文献(10)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(8)
  • 参考文献(2)
  • 二级参考文献(6)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
支持向量机
数值化鉴定
特征筛选
昆虫识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国农学通报
旬刊
1000-6850
11-1984/S
大16开
北京朝阳区麦子店街22号楼中国农学会期刊处
2-772
1984
chi
出版文献量(篇)
26902
总下载数(次)
53
总被引数(次)
269206
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导