基于SVDD和SVM的赤潮藻类识别

作     者：江涛 王程 王博亮 谢杰镇 焦念志 骆庭伟 JIANG Tao;WANG Cheng;WANG Bo-liang;XIE Jie-zhen;JIAO Nian-zhi;LUO Ting-wei

作者机构：国防科技大学电子科学与工程学院湖南长沙410073 厦门大学信息科学与技术学院 近海海洋环境科学国家重点实验室(厦门大学)福建厦门361005 

基　　金：国家高技术研究发展计划(863)项目(2003AA635160) 

出 版 物：《厦门大学学报（自然科学版）》 (Journal of Xiamen University：Natural Science)

年 卷 期：2010年第49卷第1期

页      码：47-51页

摘      要：提出了一种基于支持向量机(SVM)和支持向量域描述(SVDD)的赤潮藻类分类系统.该系统是赤潮藻类流式监测系统的子系统.设计这套系统的主要难点在于:1)同一种藻类的形态由于个体差异和生长期不同而不同;2)藻类图像是任意位置三维目标在成像平面的投影,投影存在任意性并可能产生局部遮挡;3)藻类图像包含非目标藻类和杂质.在特征提取算法的基础上,首先对输入的藻类采用SVDD进行拒识或接受处理,最后针对接受的藻类再利用基于超平面分割的SVM分类器进行分类判决.实验证明:基于SVM和SVDD的赤潮藻类分类系统分类精度更高并具有较好的拒识性能,是一种较好的藻类自动分类方法.

主 题 词：赤潮 支持向量数据域 特征提取 流式细胞技术 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

馆 藏 号：203480847...