作者:于仁师,孙华丽,宋欣欣,韩仲志 单位:河南省农业科学院 出版:《河南农业科学》2016年第06期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFHNNY2016060300 DOC编号:DOCHNNY2016060309 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于图像处理的花生荚果品种识别方法研究》PDF+DOC2012年第02期 韩仲志,邓立苗,于仁师 《基于核函数的雷达一维距离像目标识别》PDF+DOC2005年第03期 孟继成,杨万麟 《支持向量机在目标融合识别中的应用》PDF+DOC2011年第S1期 魏晓明,王明皓 《基于手机传感器的交通状态识别研究》PDF+DOC2019年第04期 杨津达,曹永春,林强,满正行,刘新帅 《基于特征选择加权支持向量机的运动模式识别》PDF+DOC2018年第09期 马语晗,赵辉 《基于电子舌技术的绿茶滋味品质评价》PDF+DOC2011年第11期 吴瑞梅,赵杰文,陈全胜,黄星奕 《基于PSO-SVM的白酒品质鉴别电子鼻》PDF+DOC2011年第11期 蒋鼎国,周红标,耿忠华 《基于支持向量机的多传感器空中目标识别研究》PDF+DOC2009年第08期 刘海燕,陈红林,史志富,何艳萍 《两轮自平衡机器人多传感器数据融合方法研究》PDF+DOC2007年第03期 王晓宇,闫继宏,臧希喆,秦勇,赵杰 《基于SVM的传感器故障诊断和信号恢复技术》PDF+DOC2013年第12期 陈烨,王建平
  • 为实现通过自动化手段进行花生品种真伪的鉴定,通过扫描仪采集了花生荚果侧面的图像,花生共20个品种,每个品种50个花生荚果,对采集的每幅图像提取形态、颜色、纹理方面的50个特征,首先通过主分量分析(PCA)对这些特征进行组合优化,然后采用RBF核函数搭建了支持向量机模型,最后通过网格搜索法、基因算法和粒子群方法优化支持向量机模型的惩罚参数c与gamma参数。优化结果表明,在主成分累积贡献率为95%时,PCA是10个主分量,3种参数优化方案中20个品种的5折交叉验证识别率分别为78.6%、77.6%、78.0%,识别效果相当,花生品种真伪的二分类识别率最高达到95%。优化后该模型对品种真伪的识别已经基本可以推广到实际生产中使用。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。