支持向量机在黄瓜病害识别中的应用研究

被引：18

作者：

田有文

牛妍

机构：

[1] 沈阳农业大学信息与电气工程学院

来源：

农机化研究 | 2009年 / 03期

关键词：

分类识别; 支持向量机; 黄瓜病害; 特征选取;

D O I：

10.13427/j.cnki.njyi.2009.03.049

中图分类号：

S436.421 [黄瓜病虫害];

学科分类号：

摘要：

探讨了采用支持向量机对黄瓜病害进行分类的方法;提取了病斑的形状、颜色、质地、发病时期等特征作为特征向量,利用支持向量机分类器,选取4种常见核函数,以Matlab7.0为平台对10类常见病害进行识别。结果表明,SVM方法在处理小样本问题中具有良好的分类效果,线性核函数和径向基核函数的SVM分类方法在黄瓜病害的识别方面优于其他类型核函数的SVM。

引用

页码：36 / 39

页数：4

共 9 条

[1] 基于支持向量机的葡萄病害图像识别方法
田有文
李天来
李成华
朴在林
孙国凯
王滨
[J]. 农业工程学报, 2007, (06) : 175 - 180
[2] 多类分类SVM在工程车辆自动变速挡位决策中的应用
韩顺杰
赵丁选
[J]. 农业机械学报, 2007, (02) : 10 - 12+21
[3] 基于支持向量机的玉米叶部病害识别
宋凯
孙晓艳
纪建伟
[J]. 农业工程学报, 2007, (01) : 155 - 157
[4] 支持向量机及其在模式识别中的应用
刘向东
朱美琳
陈兆乾
陈世福
[J]. 计算机科学, 2003, (06) : 113 - 117
[5] 蔬菜病虫害诊治原色图谱[M]. 科学技术文献出版社 , 王久兴等编著, 2004
[6] 黄瓜病虫害识别与防治[M]. 中国农业出版社 , 黄仲生, 2002
[7] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[8] Choosing Multiple Parameters for Support Vector Machines
Olivier Chapelle
Vladimir Vapnik
Olivier Bousquet
Sayan Mukherjee
[J]. Machine Learning, 2002, 46 : 131 - 159
[9] 典型农作物叶部病害计算机图像识别方法的研究 .2 田有文. 沈阳农业大学 . 2005

← 1 →