基于GA优化SVM的干制红枣品种分类方法

作     者：苏军 饶元 张敬尧 李绍稳 SU Jun;RAO Yuan;ZHANG Jingyao;LI Shaowen

作者机构：安徽农业大学信息与计算机学院安徽合肥230036 

出 版 物：《洛阳理工学院学报（自然科学版）》 (Journal of Luoyang Institute of Science and Technology：Natural Science Edition)

年 卷 期：2018年第28卷第4期

页      面：65-69,93页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：农业部引进国际先进科学技术948项目(2016-X34) 

主　　题：遗传算法 支持向量机 干制红枣 品种分类 

摘      要：基于遗传算法(GA)优化支持向量机(SVM)分类模型能够显著改善传统SVM的分类精度。以山东大枣、新疆灰枣、新郑大枣以及稷山板枣4类品种的干制红枣为研究对象,首先采用简单线性迭代聚类算法(SLIC)对预处理后的红枣图像进行分割处理;接着针对每类红枣,提取了其6个颜色特征和20个不同角度的纹理特征等26个参数;最后将以上参数输入基于GA优化的SVM分类模型(GA-SVM)。实验结果表明:与传统SVM算法相比,GA-SVM算法对红枣的分类准确率提升了20. 00%。