【泛22】基于SVM的病虫害发生量预测与昆虫识别

基于SVM的病虫害发生量预测与昆虫识别（向景葵2006）

中文摘要
英文摘要
1 前言
2 材料与方法
3 结果与分析
4 讨论与小结
参考文献
致谢
作者简历

关键词：支持向量机；多维时间序列；病虫害预测模型；昆虫识别；数学形态特征
摘要
1、基于支持向量回归（support vector regression，SVR）并融合带受控项的自回归模型（controlled autoregressive，CAR），建立了一种基于结构风险最小原则、既反映样本集动态特征又体现环境因子影响的高精度非线性多维时间序列预测方法（SVR-CAR），并对5年的小麦赤霉病病穗率和二代玉米螟危害程度进行了一步预测。

2、结果表明，小麦赤霉病病穗率的均方误差（MSE）为205.2，平均绝对误差百分率（MAPE）为18；二代玉米螟危害程度的MSE为30.2，MAPE为27。在所有的参比模型中，SVR-CAR预测精度最高，在农业科学、生态学、经济等领域具有广泛的应用前景。

3、从所属半翅目、鳞翅目、鞘翅目的34种昆虫的数码图像中所提取的面积、周长、偏心率、似圆度等11项数学形态特征值出发，基于支持向量机分类（SVC），对利用数学形态特征值在目、总科、科共3个分类阶元上昆虫识别的可行性进行研究，并通过筛选找出有利于提高识别精度的特征值。结果表明，利用数学形态学特征值对昆虫进行基于支持向量机的识别具有可行性，筛选合适的特征参数有利于提高识别精度。
Time:21:20~21:29 9m