基于主成分分析和PSO-SVM的树叶分类方法研究

• 作者: 杨志辉 白艳萍 胡红萍
• 来源期刊: 数学的实践与认识
• 关键词: 主成分分析 粒子群算法 支持向量机 树叶分类
• 年，卷（期）: 2016,（18）
• 所属期刊栏目: 应用
• 页码范围: 170-175
• 语种: 中文

摘要

提出一种树叶分类方法.在数据方面,所获得数据既包含树叶的图形信息数据,也包含树叶的纹理信息.在前期数据预处理阶段,采用主成分分析方法对原始数据进行降维处理,从16个特征中提取出3个主成分,且累计主成分贡献率达到85％以上.在后期数据分析处理阶段,用支持向量机对树叶数据进行分类预测,并用粒子群算法对支持向量机参数进行寻优处理,提高分类精度.实验结果表明,相对于遗传算法和网格搜索法寻到的最优参数相比,粒子群算法优化支持向量机具有最高的准确率,高达94.1％,高于其他两种分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白艳萍	中北大学理学院	124	639	13.0	19.0
2	胡红萍	中北大学理学院	79	243	9.0	12.0
3	杨志辉	中北大学理学院	1	2	1.0	1.0