文档介绍：摘要 II关键词 IIAbstract IIKeyWords II1引言 11」研究意义 12支持向量机理论 3C-SVM算法及其变形算法 7v-SVM算法 93LIBSVM软件 12LIBSVM软件简介 12LIBSVM软件的使用方法 12LIBSVM的工具包 154Qt图形库 185系统的设计与实现 195」分类问题的提出及SVM分类原理 266总结 28参考文献 29致谢 30基于支持向量机(SVM)的蘑菇毒性检测系统摘要本文根据模式识别理论,对支持向量机的分类机制,核函数算法和松弛变量的定义进行了研究,采用了LIBSVM工具结合蘑菇毒性样本数据在linux下开发出了蘑菇毒性检测系统,该系统着重分析了样本数据的分割和参数变量的定义对分类精确率的影响。并在此情况下产生样本学习结果,然后便可对蘑菇进行毒性分类即检测。本系统采用了数H为1000的子数据样本,核函数参数和松弛变量都采用系统计算岀的推荐参数,最后产生了一个高效的准确度高的易用蘑菇检测系统。关键词支持向量机;样本学习;分类;毒性检测AppraisalsystemofpoisonousmushroombasedSupportVectorMachineAbstractBasedonthetheoryofpatternrecognition,thethesisstudiestheclassificationofsupportvectormachines,thearithmeticofkernelfunctionandthedefinitionofslackvariable,theLIBSVMtoolwithmushroomtoxicitydataonLinuxdevelopemushroomtoxicitytestingsystem,,Andinthecondition,,andrelaxationvariablesarecalculatedusingthesystemparameters,uracyhigheasy-to・;SampleLearning;Classification;,分布广泛,资源丰富。在广大农村乡镇和山区,误食毒蘑菇屮毒的事例很普遍,几乎每年都有严重屮毒导致死亡的报告,曾经被作为多发性食物屮毒的原因之一。因此,长期以來如何有效检测毒磨菇是人们十分关心的事。有关方面曾做了大量科普知识宣传的工作,但误食中毒者仍经常有发生。只有靠专家鉴定或民间流传的土方法,前者不太现实,不利于普及,、看形状、观颜色、闻气味、看分泌物。这些复杂的方法对新手或外行人不利于掌握,虽一定程度上得减少了误食,但并不完全科学精确的分辨,不利于规模性国民生产。至今尚无精确地方法或设备对毒蘑菇进行检测。因此有一个简易精确的先进计算机设备实现毒蘑菇检测,对提高效率和精度都有非常重要的意义。(朱元珍等,2008)木文是利用蘑菇的20个物理属性从而进行毒性鉴定的研究。利用支持向量机及相关知识來对蘑菇的物理形态对蘑菇的物理属性和毒性之间的关系进行分析,从而开发出蘑菇毒性检测系统。第一次实现了计算机设备来检测蘑菇毒性,对于增强我国食品的安全保障,提高农民收入有重要意义。(MachineLearning,ML)是人工智能(ArtificialIntelligence,Al)最具智能特征、最前沿的研究领域之一。基于数据的机器学习是现代智能技术屮的重耍方而,研究从观测数据(样本)出发寻找规律,利用这些规律对未来数据或无法观测的数据进行预测。(林继鹏和刘君华,2005)迄今为止,关于机器学习还没有一种被共同接受的理论框架,关于其实现方法大致可以分为三种:第一种是经典的(参数)统计估计方法。包括