赤潮生物圖像分類識別技術(shù)研究.pdf

1、赤潮是我國近海常見的重要災(zāi)害之一，不僅造成了重大的經(jīng)濟損失，而且對海洋生態(tài)環(huán)境、資源和公眾健康構(gòu)成了嚴(yán)重威脅。目前只能通過監(jiān)測和預(yù)報的手段來減少赤潮造成的損失，因此建立赤潮生物的有效監(jiān)測方法成為擺在我們面前的亟待解決的課題。傳統(tǒng)的赤潮監(jiān)測方法是通過顯微鏡進行人工辨認(rèn)和計數(shù)。這種方法不僅存在勞動強度大、效率低等問題，而且赤潮生物由于形態(tài)相近難于分辨，因此需要經(jīng)驗豐富的專家才能進行分類識別。這些因素都嚴(yán)重影響了對赤潮災(zāi)害預(yù)測的反應(yīng)時間，十分

2、不利于赤潮減災(zāi)防災(zāi)。 本文的研究工作在于針對赤潮生物提出具有較高準(zhǔn)確率的實時自動分類方法。首先對赤潮生物圖像原始數(shù)據(jù)集進行特征分析，并在此基礎(chǔ)上，對原始特征集進行特征選擇以去除特征集中的無關(guān)特征和冗余特征，得到最優(yōu)特征子集，然后分別討論和分析了SVM和KNN兩種分類器在最優(yōu)特征子集上的分類效果，最后提出了使用SVM-KNN分類器來進行赤潮生物圖像的識別分類。 本文研究工作的主要內(nèi)容及創(chuàng)新包括以下幾點： (1

3、)在對數(shù)據(jù)原始特征集分析的基礎(chǔ)上，提出了將ReliefF算法與順序后向搜索(SBS)策略相結(jié)合進行特征選擇的方法。使用該方法可以有效的去除原始特征集中的無關(guān)特征和冗余特征，減少它們對分類器分類精度的影響。并通過實驗對比了SVM和KNN兩種分類器特征選擇前后的分類效果。 (2)將經(jīng)過特征選擇后的4類樣本數(shù)據(jù)集和7類樣本數(shù)據(jù)集，分別用SVM和KNN兩種分類器進行分類實驗，針對實驗結(jié)果對兩種分類器分類的特點和性能進行深入的討論和分析