共 6 条
- [6] Weighted least squares support vector machines: robustness and sparse approximation[J] . J.A.K. Suykens,J. De Brabanter,L. Lukas,J. Vandewalle.Neurocomputing . 2002 (1)
基于特征优化和LS-SVM的棉田杂草识别
被引：26
作者：
李先锋
[1
,2
]
朱伟兴
[1
]
纪滨
[1
]
刘波
[1
]
机构：
[1] 江苏大学电气信息工程学院
[2] 盐城工学院信息工程学院
来源：
关键词：
棉花;
杂草识别;
特征选择;
粒子群优化算法;
最小二乘支持向量机;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
为了提高杂草识别的精度和效率,提出了一种基于特征优化和最小二乘支持向量机(LS-SVM)技术的棉田杂草识别方法。在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上,提取植物叶片的6个几何特征和7个Hu不变矩,用粒子群优化(PSO)算法对形状特征进行优化选择,缩减LS-SVM训练样本数据,然后用训练好的分类器进行杂草识别。实验结果表明,该方法在有效缩减形状特征的同时,能够保持高于原始特征集的识别率,平均正确识别率达到95.8%。
引用
收藏
页码：168 / 172
页数：5
相关论文