【摘要】：國民經(jīng)濟發(fā)展最基礎(chǔ)的就是農(nóng)業(yè),農(nóng)業(yè)的發(fā)展與我們的生活息息相關(guān)。而農(nóng)業(yè)病蟲害,則是掣肘農(nóng)業(yè)發(fā)展的主要原因之一。對害蟲進行防治的主要方法有農(nóng)藥,天敵及生物趨避三種,其中最常用的就是農(nóng)藥防治法。但是,盲目的使用農(nóng)藥,有的時候,不僅不能有效的防治害蟲,反而會破壞土壤,燒苗,污染水源,導致農(nóng)作物的產(chǎn)出下降,甚至對人類的健康帶來很大的威脅。然而,害蟲的種類是非常繁雜的,傳統(tǒng)的害蟲識別方法,僅僅依靠人的肉眼,根據(jù)其看到的害蟲特征對害蟲進行分類往往是客觀片面的,且非常依賴人工,費時費力。因此,害蟲的分類和識別已經(jīng)成為一個迫在眉睫的問題。只有準確分類,才能做到控制作物病蟲害。我們提出一種基于改進狼群算法優(yōu)化貝葉斯網(wǎng)絡的害蟲圖像識別方法,對于具有復雜背景的圖像,我們首先采用GrabCut算法進行自動分割,然后再對其進行灰度處理,保存到數(shù)據(jù)文件中,形成數(shù)據(jù)集,用于模型的訓練和測試。其次再用預訓練好的卷積神經(jīng)網(wǎng)絡,提取訓練集和測試集上的圖像特征,輸入貝葉斯網(wǎng)絡。然后對傳統(tǒng)的狼群算法進行改進,將其作為搜索算法,貝葉斯信息準則(Bayesian Information Criterion,BIC)作為評分函數(shù),學習貝葉斯網(wǎng)絡的結(jié)構(gòu)。然后再用極大似然(Maximum Likelihood,ML)算法學習貝葉斯網(wǎng)絡的參數(shù),形成貝葉斯分類器。本文的主要研究工作如下:1.提出一種改進的二進制狼群算法(Improved binary Wolf Pack Algorithm,I-BWPA)對狼群算法進行改進,在探狼的游走行為中加入突變算子,在召喚行為中加入逼近算子,并在圍攻行為中加入交互算子。并且在狼群的更新步驟中,提出利用混沌映射的方式生成新的人工狼替換淘汰的人工狼。2.基于改進的二進制狼群算法的貝葉斯網(wǎng)絡結(jié)構(gòu)學習優(yōu)化算法(Bayesian Network Construction algorithm using I-BWPA,BNC-I-BWPA)貝葉斯網(wǎng)絡結(jié)構(gòu)可以用鄰接矩陣來表示,其對應的結(jié)構(gòu)矩陣編碼為{x11,x12,...,x1n,x21,x22,...,x2n,...,xn1,xn2,...,xnn}。然后再運用改進的二進制狼群算法作為搜索算法,BIC作為評分函數(shù),尋求最優(yōu)的貝葉斯網(wǎng)絡結(jié)構(gòu)。3.結(jié)合卷積神經(jīng)網(wǎng)絡與貝葉斯網(wǎng)絡進行害蟲圖像的識別處理用預訓練好的卷積神經(jīng)網(wǎng)絡對訓練集和測試集的圖片進行特征提取,輸入訓練集上提取的特征屬性和分類,用BNC-I-BWPA進行貝葉斯網(wǎng)絡結(jié)構(gòu)的學習,然后再運用ML進行貝葉斯網(wǎng)絡參數(shù)的學習,形成一個與輸入數(shù)據(jù)集最匹配的貝葉斯網(wǎng)絡,將其作為貝葉斯分類器。將測試集上提取好的特征屬性和分類輸入貝葉斯分類器,對貝葉斯分類器進行測試。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;TP391.41;S433
【圖文】：

1.3 本文主要研究內(nèi)容與章節(jié)安排目前，機器視覺技術(shù)在害蟲的識別技術(shù)上，有很大的發(fā)展前途。貝葉斯網(wǎng)絡作為機器學習的一項，既能用圖論的語言直接展示問題的結(jié)構(gòu)，又能按照概率論的原則對問題的結(jié)構(gòu)進行分析利用，降低推理的復雜度。因此，貝葉斯分類器在分類效果上比起其他分類算法有著相對穩(wěn)定的分類效果。但貝葉斯網(wǎng)絡的結(jié)構(gòu)學習，一直是一個 NP 難的問題。本文我們使用基于搜索和評分的方法。提出一種改進的狼群算法，設(shè)計狼群的更新策略，以改善局部極值問題，提高學習算法精度，使其適用于貝葉斯網(wǎng)絡的結(jié)構(gòu)學習，將貝葉斯網(wǎng)絡結(jié)構(gòu)的學習過程轉(zhuǎn)化為尋找最優(yōu)頭狼的問題。在確定貝葉斯網(wǎng)絡的結(jié)構(gòu)之后，使用極大似然算法學習貝葉斯網(wǎng)絡的參數(shù)并且形成貝葉斯分類器。然后，我們結(jié)合卷積神經(jīng)網(wǎng)絡在特征提取中的獨特優(yōu)勢來識別害蟲圖像。如圖 1.1 所示：

第 2 章 群智能算法與狼群算法簡介5]根據(jù)狼的捕食行為提出了狼群算法，該算法主為和圍攻行為三種智能行為，以及勝者為王，強新策略。能算法的簡介及優(yōu)勢是一種生物啟發(fā)式的算法，群智能算法算法的大

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛文;成毅;孫亞飛;;地理信息服務樸素貝葉斯分類及類別匹配研究[J];測繪工程;2013年02期

2 王勇;;基于群的樸素貝葉斯分類[J];中小企業(yè)管理與科技(上旬刊);2011年01期

3 張微;;樸素貝葉斯分類模型在中紅外光譜測原料奶摻假中的應用研究[J];食品工程;2011年01期

4 劉毅輝,魏振軍;保持隱私的樸素貝葉斯分類[J];信息工程大學學報;2003年01期

5 謝斌;;樸素貝葉斯分類在數(shù)據(jù)挖掘中的應用[J];甘肅聯(lián)合大學學報(自然科學版);2007年04期

6 李金華;梁永全;呂芳芳;;一種加權(quán)樸素貝葉斯分類增量學習模型[J];計算機與現(xiàn)代化;2010年05期

7 陳弋蘭;;基于樸素貝葉斯分類的圖像消噪[J];安慶師范學院學報(自然科學版);2008年03期

8 李偉紅,龔衛(wèi)國,陳偉民,梁毅雄,張紅梅;基于中國人人臉區(qū)域特征的貝葉斯分類法研究[J];儀器儀表學報;2004年S2期

9 周超俊，蔣慰孫，葉銀忠，藤井省三;一種基于貝葉斯分類原理的動態(tài)系統(tǒng)故障檢測與診斷方法[J];控制與決策;1995年03期

10 韓麗娜;;貝葉斯分類模型在學生成績預測中的應用研究[J];計算機與數(shù)字工程;2018年10期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 袁野;胡邦輝;劉丹軍;蘇宏琛;;基于貝葉斯分類判別方法的雷暴預報研究[A];第26屆中國氣象學會年會災害天氣事件的預警、預報及防災減災分會場論文集[C];2009年

2 李偉紅;龔衛(wèi)國;陳偉民;梁毅雄;張紅梅;;基于中國人人臉區(qū)域特征的貝葉斯分類法研究[A];中國儀器儀表學會第六屆青年學術(shù)會議論文集[C];2004年

3 曹三省;李丹;黃祥林;;一種基于貝葉斯分類的圖像自動標引系統(tǒng)[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

4 殷復蓮;張曉宇;馮晴;;基于貝葉斯分類的大學生關(guān)注熱點事件微博文本分類方法研究[A];中國新聞技術(shù)工作者聯(lián)合會2017年學術(shù)年會論文集（優(yōu)秀論文篇）[C];2017年

5 薛集明;章晉;王若宇;;基于貝葉斯分類的網(wǎng)絡入侵檢測[A];2013年中國電機工程學會年會論文集[C];2013年

6 黃沖;劉卓軍;;基于統(tǒng)計分析的中醫(yī)體質(zhì)分類研究[A];第十四屆中國管理科學學術(shù)年會論文集(上冊)[C];2012年

7 程新榮;楊仁剛;;網(wǎng)頁自動分類在搜索引擎上的應用研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

8 楊瓊;曹亦薇;;貝葉斯方法在探索項目功能差異潛在因素中的應用[A];全國教育與心理統(tǒng)計與測量學術(shù)年會暨第八屆海峽兩岸心理與教育測驗學術(shù)研討會論文摘要集[C];2008年

9 周益來;張廣智;張佳佳;;基于巖石物理特征的貝葉斯分類儲層識別[A];2018年中國地球科學聯(lián)合學術(shù)年會論文集（四十五）——專題98：東亞多板塊匯聚與燕山運動、專題99：深部地球化學找礦、專題100：油氣地球物理[C];2018年

10 陳磊;李有勇;侯廷軍;;P糖蛋白抑制劑的理論預測研究[A];中國化學會第28屆學術(shù)年會第14分會場摘要集[C];2012年

中國博士學位論文全文數(shù)據(jù)庫 前7條

1 錢琨;基于機器學習理論的紅外目標跟蹤技術(shù)研究[D];西安電子科技大學;2018年

2 馮e

本文編號：2732162