基于PCA-GA-SVM的烟叶分级方法

• 作者: 姚学练 平安 管琪明 罗红 贺福强
• 来源期刊: 烟草科技
• 学科: 工学
• 关键词: 烟叶分级 主成分分析法 遗传算法 支持向量机 训练模型
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 设备与仪器
• 页码范围: 98-105
• 页数: 8页
• 分类号: TP391
• 字数: 4811字
• 语种: 中文

摘要

为解决烟叶分级所需特征多、计算量大、训练模型复杂等问题,基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)提出了一种烟叶分级方法,利用PCA对烟叶特征进行降维以去除交叉冗余信息,将降维后的15个烟叶特征输入SVM,利用GA对SVM模型的惩罚参数C和核函数参数g进行优化;结合烟叶质量分级实际需求对比识别率和运行时间,确定PCbest及其对应的Cbest和gbest,并以PCbest作为降维后的主成分标准.以Cbest和gbest作为SVM模型的参数训练模型,利用训练后模型对测试集样本进行实验,结果表明:与SVM模型和GA-SVM模型相比较,PCA-GA-SVM模型的烟叶识别率和分级效率分别提高24.86％和35.64％.该方法可为提高烟叶分级效率和准确度提供技术支持.