基于改进SVM算法的植物叶片分类研究

• 作者: 徐苗 李艳文 马娜
• 来源期刊: 山西农业大学学报(自然科学版)
• 关键词: 植物叶片分类 布谷鸟搜索算法 支持向量机
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 农业工程
• 页码范围: 33-38
• 页数: 6页
• 分类号: TP39
• 语种: 中文
• DOI: 10.13842/j.cnki.issn1671-8151.201808008

摘要

[目的]为了有效的对植物物种进行识别,[方法]本文提出了基于布谷鸟(CS)算法改进的支持向量机(SVM)方法对植物叶片分类从而识别植物物种.本文用两种数据集验证改进的CS-SVM算法对植物叶片的分类效果:UCI公开数据集和自主采集叶片图像.在自主采集的叶片图像数据集中,首先对叶片图像预处理,提取6个特征值,然后再使用CS-SVM算法建立分类模型.[结果]结果表明,在UCI公开数据集每种叶片样本量较少的情况下,CS-SVM算法对叶片分类的准确率可以达到87％以上;在采集的叶片图像数据集上以鹅耳草榆属、槭属等8种植物叶片和红柳、杨属等15种植物叶片样本分别试验,前者叶片分类准确率达95％,后者则大于84％.最后,将CS-SVM算法与PSO-SVM算法对植物叶片的分类效果进行对比,结果表明两种方法在叶片分类准确率上无显著差异,但CS-SVM方法在速度上领先10 s以上.[结论]改进的CS-SVM算法在样本量少或者样本特征属性少的情况下,对植物叶片的分类具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐苗	山西农业大学信息科学与工程学院	9	6	1.0	2.0
2	马娜	山西农业大学信息科学与工程学院	3	5	1.0	2.0
3	李艳文	山西农业大学信息科学与工程学院	3	6	2.0	2.0