小麥病害圖像的存儲與識別技術(shù)的研究.pdf

1、小麥?zhǔn)俏覈钪饕募Z食作物之一，在小麥生長的過程中容易受到環(huán)境因素的影響發(fā)生病害，影響小麥的產(chǎn)量。目前針對小麥病害圖像的識別和存儲的效率低的問題，本文提出了利用局部支持向量機(jī)分類算法針對小麥病害圖像進(jìn)行分類識別，同時(shí)提出了利用粒子群算法和大數(shù)據(jù)技術(shù)對局部支持向量機(jī)進(jìn)行改進(jìn)，優(yōu)化分類的精度和效率。針對小麥病害圖像的存儲，本文提出了利用大數(shù)據(jù)技術(shù)對小麥病害圖像進(jìn)行存儲，提高了存儲的效率。
　　支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的核機(jī)

2、器學(xué)習(xí)方法，它在預(yù)測每個(gè)樣本的類別時(shí)，使用的是訓(xùn)練集中所有的樣本信息（全局信息），不能充分利用樣本中的局部信息。局部支持向量機(jī)則能夠充分的利用樣本中的局部信息。但是在分類的過程中局部支持向量機(jī)也有其不足，局部支持向量機(jī)在分類的過程中不能夠充分的利用樣本點(diǎn)的屬性特征，在分類時(shí)將樣本的每個(gè)屬性權(quán)重都設(shè)為相同的，這樣不能夠體現(xiàn)出不同的屬性在分類中的重要性。本文就上述問題，提出了一種基于粒子群的局部支持向量機(jī)算法，通過粒子群來優(yōu)化樣本點(diǎn)的每個(gè)屬

3、性在分類中的作用。
　　大數(shù)據(jù)是近年來新興的研究領(lǐng)域，Hadoop并行計(jì)算平臺就是在大數(shù)據(jù)環(huán)境下誕生的一種并行計(jì)算的技術(shù)。Hadoop并行計(jì)算能夠在降低算法的時(shí)間復(fù)雜度，將算法由串行計(jì)算的過程改為并行計(jì)算。本文將改進(jìn)的局部支持向量機(jī)與Hadoop并行計(jì)算技術(shù)相結(jié)合，能夠解決基于粒子群的局部支持向量機(jī)分類時(shí)間復(fù)雜度高的問題，實(shí)驗(yàn)測試表明Hadoop平臺下基于粒子群的局部支持向量機(jī)算法能夠在保持分類精度基本不變的情況下降低分類的時(shí)間復(fù)

4、雜度。
　　HBase數(shù)據(jù)庫是基于Hadoop平臺的一種NoSQL數(shù)據(jù)庫，相比傳統(tǒng)的SQL數(shù)據(jù)庫，HBase可以提供高并發(fā)讀寫操作的支持，可以存儲非結(jié)構(gòu)化的數(shù)據(jù)，因此本文采用了HBase數(shù)據(jù)庫來存儲采集到的小麥病害圖像的信息，來提高圖像存儲的效率，同時(shí)方便利用Hadoop平臺對圖像數(shù)據(jù)進(jìn)行處理。
　　為了驗(yàn)證本文改進(jìn)的局部支持向量機(jī)在小麥病害圖像識別的效率，分別利用局部支持向量機(jī)和基于粒子群的局部支持向量機(jī)算法在小麥病害圖像