典型文献
基于稀疏自编码和SPSO-SVM的稻瘟病早期病害识别
文献摘要：
为及早准确识别水稻叶部慢性型、急性型、褐点型和白点型4种类型稻瘟病,将稀疏自动编码器和交换粒子群优化支持向量机(SPSO-SVM:Switching Particle Swarm Optimization Support Vector Machine)相结合,构建了一个深度神经网络.相较于其他算法,当神经网络输入的图像数量很多时,自动编码器可提取出原图片中最具代表性的信息,缩减输入中的信息量,再将缩减过后的信息放入神经网络中学习,降低了学习难度、减少了学习时间.首先依靠稀疏自动编码器编码、解码重构输入数据,对稻瘟病叶斑进行分层特征学习,并在自动编码器上加入稀疏性条件约束,对隐含层进行压缩,进而学习到更高层的隐含特征.其次应用交换粒子群优化的支持向量机对水稻稻瘟病类型识别.实验采用公开的Kaggle水稻病害图像数据库及实际采集的水稻稻瘟病图像作为数据集,每类选取350幅图像组成样本,并将每幅图像归一化为4 096维向量.从样本集中随机选取80％作为训练集,剩余20％作为测试集.通过10重交叉验证,测试集平均识别准确率达95.7％.实验结果表明,该方法能有效地从病斑特征中识别出水稻叶部稻瘟病早期病害,对水稻稻瘟病的早期预防有重要意义.
文献关键词：
稻瘟病;早期病害;稀疏自动编码器;交换粒子群优化算法;支持向量机
中图分类号：
作者姓名：
蔡娣;路阳;林立媛;杜娇娇;管闯
作者机构：
黑龙江八一农垦大学信息与电气工程学院,黑龙江大庆163319;东北石油大学黑龙江省网络化与智能控制重点实验室,黑龙江大庆163318
文献出处：
引用格式：
[1]蔡娣;路阳;林立媛;杜娇娇;管闯-.基于稀疏自编码和SPSO-SVM的稻瘟病早期病害识别)[J].吉林大学学报（信息科学版）,2022(03):416-423
A类：
交换粒子群优化算法
B类：
稀疏自编码,SPSO,早期病害,病害识别,准确识别,稻叶,白点,稀疏自动编码器,粒子群优化支持向量机,Switching,Particle,Swarm,Optimization,Support,Vector,Machine,深度神经网络,原图片,信息量,过后,放入,入神,学习难度,学习时间,解码,输入数据,叶斑,特征学习,稀疏性,隐含层,层进,水稻稻瘟病,类型识别,Kaggle,水稻病害,病害图像,图像数据库,每类,图像组,每幅,图像归一化,样本集,训练集,测试集,交叉验证,识别准确率,早期预防
AB值：
0.33718
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
