基于Bagging-PNN算法的树叶分类方法优化

• 作者: 徐玉丹 李瑀馨 田诗晨
• 来源期刊: 自动化与仪表
• 关键词: 树叶分类 Bagging 概率神经网络 形状特征
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 检测技术与数据处理
• 页码范围: 52-55,61
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.08.011

摘要

不同类型的树叶有不同的形状特征,依据叶片的这些特征可以简单而有效地区分不同种类的叶片.该文在Matlab平台上从二值化的树叶图片中提取了13维特征指标,包括长宽比、矩形度、圆形度等,依据这些特征指标,使用概率神经网络(PNN)在83种树叶的数据集上进行实验,识别结果的平均准确率约为86.3％,使用集成学习(Bagging)对分类算法进行改进,使用PNN作为弱分类器,将多个PNN分类器的投票结果作为最终分类结果输出,相比于传统的PNN算法,该文使用的Bagging-PNN算法对于叶片识别准确率提高到了90.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田诗晨	武汉理工大学汽车工程学院	1	0	0.0	0.0
2	徐玉丹	武汉理工大学信息工程学院	1	0	0.0	0.0
3	李瑀馨	武汉理工大学自动化学院	2	0	0.0	0.0