文档介绍：第 27卷第 1期计算机应用与软件 Vol
2010年 puterApplicationsandSoftware
基于粒子群优化的仓虫分类识别技术研究
董卓莉
(河南工业大学信息科学与工程学院河南郑州 450001)
(华中科技大学计算机学院湖北武汉 430074)
摘要在对仓虫分类识别过程中,为了改善因采用 BP神经网络产生的由于训练时间长和易于陷入局部极小点,而导致效率和
分类的准确性较低的情况,对粒子群优化算法进行了研究,并把这种算法运用到神经网络学习训练中。实验表明,将基于粒子群优
化的神经网络算法应用到仓虫分类中,从训练时间、识别率上得到了较大的改善,而且算法易于实现,且能更快地收敛于全局最
优解。
关键词粒子群优化算法神经网络仓虫特征提取
ONCLASSIFICATIONANDRECOGNITIONOFGRAINPESTSBASED
ONPARTICLESWARMOPTIMISATION
DongZhuoli
(CollegeofInformationScienceandEngineering,HenanUniversityofTechnology,Zhengzhou450001,Henan,China)
(puterScience,HuazhongUniversityofScienceandTechnology,Wuhan430074,Hubei,China)
Abstract Usingbackuracyinclassification,
,Particleswarmoptimisation(PSO)
wasstudiedinthispaper,
workalgorithminrecognisingandclassifyinggrainpestscanobviouslyimprovetherecognitionrateandreducethetrainingtime,thealgorithm
iseasytoimplement,andconvergestoglobaloptimalsolutionquickly.
Keywords Particleswarmoptimisation work Grainpests Featureextraction
0 引言 1 粒子群优化算法[1-3,7]
仓储害虫(以下简称仓虫)分类和识别是昆虫分类识别的 PSO算法是一种基于群体智能的优化算法,其思想来源于
一个重要分支,对及时发现仓虫和保护国家的粮食安全发挥着人工生命和演化计算理论。PSO首先由 Kennedy和 Eberhart提
重要的作用。仓虫分类识别的特点是,一方面,在本质上它是一出,是一种全局优化进化算法,它源于对鸟群和鱼群觅食运动行
个复杂的多类判别问题;另一方面,由于客观条件限制,人们无为的模拟,通过模拟这些群体的社会行为,实现对问题的优化。
法