基于統(tǒng)計(jì)學(xué)習(xí)的魚齡識別方法的研究.pdf

1、魚的年齡知識是魚類資源評估和管理的一個重要考核指標(biāo)，傳統(tǒng)年齡估計(jì)方法就是魚類科學(xué)家根據(jù)耳石內(nèi)鈣化形成的結(jié)構(gòu)來判斷魚的年齡，但由于耳石的形成、發(fā)育受許多因素的影響，例如：季節(jié)的變化、溫度、棲息地和飲食等，耳石的結(jié)構(gòu)具有其自身的特點(diǎn)，人工通過耳石判斷魚類的年齡只有經(jīng)驗(yàn)豐富的魚類專家才能解釋，即便如此，也會產(chǎn)生不精確的年齡估計(jì)問題。所以通過人工識別魚的年齡仍然是一個費(fèi)時、費(fèi)力的難題。諸多因素決定了對魚齡識別自動化的迫切需要。運(yùn)用圖像處理、模式

2、識別等學(xué)科知識，開發(fā)出計(jì)算機(jī)輔助魚齡自動識別系統(tǒng)有很大的應(yīng)用價值。
　　 依據(jù)魚的耳石圖像對魚的年齡進(jìn)行解釋和識別是目前魚類年齡的研究熱點(diǎn)，對耳石圖像進(jìn)行有效的特征選擇和分類識別在魚齡識別系統(tǒng)的開發(fā)研究中占有重要的地位。本文結(jié)合耳石圖像的特點(diǎn)，提出了基于主成分分析(PCA)和核主成分分析(KPCA)的特征選擇方法，并結(jié)合模式識別的分類原理、比較各種可用于模式識別的分類決策方法，提出了基于支持向量機(jī)(SVM)和概率支持向量機(jī)(PP

3、SVM)的分類算法。具體包括：
　　 1.基于PCA和SVM的魚齡識別方法。該方法首先獲得魚的耳石圖像的特征，然后通過主成分分析的方法來提取這些特征的主元，接著將這些主元輸入到支持向量機(jī)中進(jìn)行訓(xùn)練，然后通過支持向量機(jī)來對魚的分類結(jié)果進(jìn)行決策。
　　 2.基于KPCA和SVM的魚齡識別方法。與主成分分析的方法不同的是該方法通過
　　 核主成分分析的方法來提取魚的耳石圖像特征的主元，然后用支持向量機(jī)對魚的年齡進(jìn)行分類