计算机系统结构专业毕业论文计算机系统结构专业毕业论文 精品论文精品论文 赤潮生物图像分类识赤潮生物图像分类识别技术研究别技术研究关键词：赤潮监测关键词：赤潮监测 赤潮生物图像赤潮生物图像 特征选择特征选择 支持向量机支持向量机 K K 近邻分类器近邻分类器 SVMSVM 分分 类器类器 图像分类识别图像分类识别摘要：赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而 且对海洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预 报的手段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在 我们面前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认 和计数。这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形 态相近难于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严 重影响了对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研 究工作在于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤 潮生物图像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征 选择以去除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨 论和分析了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了 使用 SVM-KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要 内容及创新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了 将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该 方法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器 分类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分 类效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别 用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特 点和性能进行深入的讨论和分析。 (3)对 SVM 分类器和 KNN 分类器的理论进 行了研究，发现了两种分类器的理论上的共通点，找到了将两种分类器结合起 来的理论依据，提出了使用 SVM-KNN 分类器来改善赤潮生物图像的分类效果， 并通过实验证明 SVM-KNN 分类器确实可以有效的提高分类性能。正文内容正文内容赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且 对海洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报 的手段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我 们面前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和 计数。这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态 相近难于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重 影响了对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究 工作在于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤潮 生物图像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征选 择以去除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨论 和分析了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了使 用 SVM-KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内 容及创新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该方 法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器分 类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分类 效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点 和性能进行深入的讨论和分析。 (3)对 SVM 分类器和 KNN 分类器的理论进行 了研究，发现了两种分类器的理论上的共通点，找到了将两种分类器结合起来 的理论依据，提出了使用 SVM-KNN 分类器来改善赤潮生物图像的分类效果，并 通过实验证明 SVM-KNN 分类器确实可以有效的提高分类性能。 赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且对海 洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报的手 段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我们面 前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和计数。 这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态相近难 于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重影响了 对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究工作在 于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤潮生物图 像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征选择以去 除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨论和分析 了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了使用 SVM- KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内容及创 新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该方 法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器分 类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分类 效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点 和性能进行深入的讨论和分析。 (3)对 SVM 分类器和 KNN 分类器的理论进行 了研究，发现了两种分类器的理论上的共通点，找到了将两种分类器结合起来的理论依据，提出了使用 SVM-KNN 分类器来改善赤潮生物图像的分类效果，并 通过实验证明 SVM-KNN 分类器确实可以有效的提高分类性能。 赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且对海 洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报的手 段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我们面 前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和计数。 这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态相近难 于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重影响了 对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究工作在 于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤潮生物图 像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征选择以去 除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨论和分析 了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了使用 SVM- KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内容及创 新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该方 法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器分 类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分类 效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点 和性能进行深入的讨论和分析。 (3)对 SVM 分类器和 KNN 分类器的理论进行 了研究，发现了两种分类器的理论上的共通点，找到了将两种分类器结合起来 的理论依据，提出了使用 SVM-KNN 分类器来改善赤潮生物图像的分类效果，并 通过实验证明 SVM-KNN 分类器确实可以有效的提高分类性能。 赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且对海 洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报的手 段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我们面 前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和计数。 这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态相近难 于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重影响了 对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究工作在 于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤潮生物图 像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征选择以去 除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨论和分析 了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了使用 SVM- KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内容及创 新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该方 法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器分 类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分类 效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点 和性能进行深入的讨论和分析。 (3)对 SVM 分类器和 KNN 分类器的理论进行 了研究，发现了两种分类器的理论上的共通点，找到了将两种分类器结合起来的理论依据，提出了使用 SVM-KNN 分类器来改善赤潮生物图像的分类效果，并 通过实验证明 SVM-KNN 分类器确实可以有效的提高分类性能。 赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且对海 洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报的手 段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我们面 前的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和计数。 这种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态相近难 于分辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重影响了 对赤潮灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究工作在 于针对赤潮生物提出具有较高准确率的实时自动分类方法。首先对赤潮生物图 像原始数据集进行特征分析，并在此基础上，对原始特征集进行特征选择以去 除特征集中的无关特征和冗余特征，得到最优特征子集，然后分别讨论和分析 了 SVM 和 KNN 两种分类器在最优特征子集上的分类效果，最后提出了使用 SVM- KNN 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内容及创 新包括以下几点： (1)在对数据原始特征集分析的基础上，提出了将 ReliefF 算法与顺序后向搜索(SBS)策略相结合进行特征选择的方法。使用该方 法可以有效的去除原始特征集中的无关特征和冗余特征，减少它们对分类器分 类精度的影响。并通过实验对比了 SVM 和 KNN 两种分类器特征选择前后的分类 效果。 (2)将经过特征选择后的 4 类样本数据集和 7 类样本数据集，分别用 SVM 和 KNN 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点 和性能进行深入的讨论和分析。 (3)对 SVM 分类器和