赤潮生物圖像分類識(shí)別技術(shù)研究.pdf

1、赤潮是我國(guó)近海常見(jiàn)的重要災(zāi)害之一，不僅造成了重大的經(jīng)濟(jì)損失，而且對(duì)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(guò)監(jiān)測(cè)和預(yù)報(bào)的手段來(lái)減少赤潮造成的損失，因此建立赤潮生物的有效監(jiān)測(cè)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(cè)方法是通過(guò)顯微鏡進(jìn)行人工辨認(rèn)和計(jì)數(shù)。這種方法不僅存在勞動(dòng)強(qiáng)度大、效率低等問(wèn)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(yàn)豐富的專家才能進(jìn)行分類識(shí)別。這些因素都嚴(yán)重影響了對(duì)赤潮災(zāi)害預(yù)測(cè)的反應(yīng)時(shí)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(duì)赤潮生物提出具有較高準(zhǔn)確率的實(shí)時(shí)自動(dòng)分類方法。首先對(duì)赤潮生物圖像原始數(shù)據(jù)集進(jìn)行特征分析，并在此基礎(chǔ)上，對(duì)原始特征集進(jìn)行特征選擇以去除特征集中的無(wú)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(lái)進(jìn)行赤潮生物圖像的識(shí)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(diǎn)： (1

3、)在對(duì)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(jìn)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(wú)關(guān)特征和冗余特征，減少它們對(duì)分類器分類精度的影響。并通過(guò)實(shí)驗(yàn)對(duì)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(guò)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(jìn)行分類實(shí)驗(yàn)，針對(duì)實(shí)驗(yàn)結(jié)果對(duì)兩種分類器分類的特點(diǎn)和性能進(jìn)行深入的討論和分析