基于群智能算法分类模型的番茄病害识别  

Study on classification algorithm of swarm intelligence algorithm in tomato disease identification

作　　者：阎园园 陈华[1] 姜波[1] Yan Yuanyuan

机构地区：[1]新疆大学电气工程学院

出　　处：《江苏农业科学》2020年第1期219-224,共6页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:61064005)

摘　　要：作物病害分类识别模型一直受被研究对象自身特性影响,为验证智能分类器在番茄常见病害中的识别效果,选择不同群智能分类器进行分类识别。采用主成分分析(principal component analysis,简称PCA)法对样本集的31个数据进行降维,筛选7个贡献率较高的主成分作为PCA-支持向量机(support vector machine,简称SVM)模型的输入;遗传算法(genetic algorithm,简称GA)具有全局寻优特点,正交变换可使变异率、交叉率、种群规模等参数之间快速最优化,构建GA-SVM智能分类器提高识别率;由于GA-SVM分类器增加了交叉变异计算,参数确定时间相对较长,而粒子群优化(particle swarm optimization,简称PSO)算法不存在交叉变异因子计算过程,因此选择PSO-SVM群智能分类器,把种群中具有最大适应度函数值的惩罚系数(r)和核函数参数(σ2)作为支持向量机模型的最优参数,试验证明,PCA-SVM模型对3种病害类型中的分类效果总体较好。

关 键 词：主成分分析 遗传算法 粒子群优化算法 群智能分类器 番茄病害 识别 

分 类 号：S126[农业科学—农业基础科学] TP391.4[自动化与计算机技术—计算机应用技术]