基于群智能算法分类模型的番茄病害识别

来源：江苏农业科学杂志2020年第第1期北京时间：

作者：阎园园;陈华;姜波

单位：新疆大学电气工程学院，新疆乌鲁木齐 830047

摘要：作物病害分类识别模型一直受被研究对象自身特性影响，为验证智能分类器在番茄常见病害中的识别效果，选择不同群智能分类器进行分类识别。采用主成分分析(principal component analysis，简称PCA)法对样本集的31个数据进行降维，筛选7个贡献率较高的主成分作为PCA-支持向量机（support vector machine，简称SVM）模型的输入；遗传算法(genetic algorithm，简称GA)具有全局寻优特点，正交变换可使变异率、交叉率、种群规模等参数之间快速最优化，构建GA-SVM智能分类器提高识别率；由于 GA-SVM分类器增加了交叉变异计算，参数确定时间相对较长，而粒子群优化(particle swarm optimization，简称PSO)算法不存在交叉变异因子计算过程，因此选择PSO-SVM群智能分类器，把种群中具有最大适应度函数值的惩罚系数（r）和核函数参数（σ2）作为支持向量机模型的最优参数，试验证明，PCA-SVM模型对3种病害类型中的分类效果总体较好。

关键词：主成分分析;遗传算法;粒子群优化算法;群智能分类器;番茄病害;识别