基于机器学习的鹅膏属真菌形态特征分类模型研究

摘要：

针对鹅膏真菌分类的问题,区别于传统人工分类方法操作比较复杂,分类速度慢的问题.从鹅膏属真菌特征形态数据入手,提出基于机器学习算法的一种分类模型.模型前期采用最值归一化的方法对数据进行预处理,其次以支持向量机作为分类器,选择线性函数作为核函数,同时使用交叉验证算法来寻找最优的惩罚系数C,通过混淆矩阵来分析数据分类处理中产生的误差,最后对试验中两种最优核函数的改进混合,使得模型的精准率在一定程度上达到最优.在分类模型中,将15个鹅膏属真菌的形态特征作为分类依据,并且给予相关属种的分类指标.在将数据进行相关要求划分后,将数据分为训练集和测试集,用训练集数据进行分类模型的建立,测试集数据验证其分类精准度.通过试验得出最后测试模型的精准度达到91.43％,训练模型的测试得分达到97.59％,在进行核函数的混合改进后测试模型的精准度以及训练模型的精准度都达到100％.

关键词：鹅膏真菌、机器学习、支持向量机、混合核函数、分类模型

所属期刊栏目：41

分类号：S58;TP181(野生植物)

资助基金：吉林省自然科学基金;吉林省教育厅“十三五”科学技术项目

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：136-143