基于GA-SVM的农产品质量分类

摘要：

传统方法对农产品进行细粒度划分,确定影响分类效果的关键因素,但忽略了农产品的质量特征.对农产品的质量进行科学的分类,能够更好地反映农产品在质量方面的变化,还可以显著提升农产品后续的处理效率.从农产品的质量特征出发,将农产品进行分类,对不同类别的农产品按照不同的方法进行处理,以在保证农产品质量的同时提高农产品的附加值.分类方法与模型参数的选取对于农产品质量分类的准确度尤为重要.传统支持向量机SVM对模型参数的选择具有盲目性,为提高分类的准确度,文中提出一和中将因子分析(Factor Analsysi,FA)与基于遗传算法改进的支持向量机(Genetic Algorithm-Support Vector Machine,GA-SVM)结合的分类模型.实验结果表明,改进后的SVM能够快速、有效地判别农产品质量类别,显著改善农产品质量的分类精度,评估过程较为简单,可广泛应用于农产品质量的评估.

关键词：农产品、质量分类、因子分析、遗传算法、支持向量机

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;重庆市"三百"科技创新领军人才支持计划;重庆市人工智能技术创新重大主题专项;重庆市技术创新与应用示范重大主题专项项目

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：517-520