基于改进SVM算法的植物叶片分类研究

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.

关键词：植物叶片分类、布谷鸟搜索算法、支持向量机

所属期刊栏目：38

分类号：TP39(计算技术、计算机技术)

资助基金：山西农业大学青年科技创新项目2018024

在线出版日期：2019-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38