赤潮生物圖像分類識別技術研究.pdf

1、赤潮是我國近海常見的重要災害之一，不僅造成了重大的經濟損失，而且對海洋生態(tài)環(huán)境、資源和公眾健康構成了嚴重威脅。目前只能通過監(jiān)測和預報的手段來減少赤潮造成的損失，因此建立赤潮生物的有效監(jiān)測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)測方法是通過顯微鏡進行人工辨認和計數(shù)。這種方法不僅存在勞動強度大、效率低等問題，而且赤潮生物由于形態(tài)相近難于分辨，因此需要經驗豐富的專家才能進行分類識別。這些因素都嚴重影響了對赤潮災害預測的反應時間，十分

2、不利于赤潮減災防災。 本文的研究工作在于針對赤潮生物提出具有較高準確率的實時自動分類方法。首先對赤潮生物圖像原始數(shù)據(jù)集進行特征分析，并在此基礎上，對原始特征集進行特征選擇以去除特征集中的無關特征和冗余特征，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分類器來進行赤潮生物圖像的識別分類。 本文研究工作的主要內容及創(chuàng)新包括以下幾點： (1

3、)在對數(shù)據(jù)原始特征集分析的基礎上，提出了將ReliefF算法與順序后向搜索(SBS)策略相結合進行特征選擇的方法。使用該方法可以有效的去除原始特征集中的無關特征和冗余特征，減少它們對分類器分類精度的影響。并通過實驗對比了SVM和KNN兩種分類器特征選擇前后的分類效果。 (2)將經過特征選擇后的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兩種分類器進行分類實驗，針對實驗結果對兩種分類器分類的特點和性能進行深入的討論和分析