基于支持向量機的玉米品種識別

1、大學畢業(yè)論文題目：目：學生姓名:指導老師：學院：專業(yè)班級：完成時間：速、準確，既能減輕專業(yè)技術人員的勞動強度，又能防止誤識導致的假冒劣質種子流入市場，坑農害農事件的發(fā)生[3]這里就以對玉米品種的識別來進行實驗2支持向量機的概念及其原理支持向量機[4](，)是在統(tǒng)計學習理論中維理論和結MachinesVectSupptSVMVC構風險最小原理的基礎上發(fā)展而來的一種新的機器學習方法，是當前國際機器學習界的研究熱點之一支持向量機基于結構風險最

2、小化原理，將原始數(shù)據(jù)集合通過某種映射壓縮到支持向量集合，從而得到分類決策函數(shù)支持向量機的基本思想[4]是構造一個超平面作為決策平面，這個平面必須能夠盡可能多地將2類數(shù)據(jù)點正確分開，同時也使分開的2類數(shù)據(jù)點距離分類面最遠，其在二維情況下的示意圖如圖1所示圖1二維情況下線性支持向量機示意圖圖1中圓圈和方塊分別代表2類樣本，其中代表分類線，、分別為過各類H1H2H中距離分類線最近的一個或多個樣本且平行于分類線的一條直線，它們之間的距離叫作分類

3、間隔[5](Margin)所謂最優(yōu)分類線就是要求分類線不但能夠使2類樣本正確分開，而且能夠使它們之間的分類間隔最大前者是為了保證經(jīng)驗風險達到最小，而后者是為了保證其真實風險達到最小在圖中到和到的距離是完全相等的，在和上顯1HH2HH1H2H然有一系列點來“支撐”這兩條線，這些“支撐”的點即為支持向量（SupptVect）對于高維空間也可以此類推，只不過此時的最優(yōu)分類線變成了最優(yōu)分類面，它將其轉化為求解一個二次尋優(yōu)問題，得到的是一個全局最

4、優(yōu)解，避免了陷入局部極小值對于非線性問題，其把原始問題通過核函數(shù)映射到高維空間變換為線性問題，然后在變換空間中求最優(yōu)分類面，其在后文中將具體說明3玉米籽粒圖像的獲取3.1玉米籽粒的收集經(jīng)過實地調查，發(fā)現(xiàn)在眾多的玉米品種中，農大108、鄭單958、遼單565三品種在使用上較為廣泛，因此決定將它們作為研究對象來進行深入研究在對籽粒的搜集過程中，將生長不正常的籽粒及因儲存的原因造成損壞的籽粒排除后，在正常的籽粒中，針對每種玉米品種各隨機的取出