基于改进狼群算法优化贝叶斯网络在害虫识别领域中的应用
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP391.41;S433
【图文】：
1.3 本文主要研究内容与章节安排目前，机器视觉技术在害虫的识别技术上，有很大的发展前途。贝叶斯网络作为机器学习的一项，既能用图论的语言直接展示问题的结构，又能按照概率论的原则对问题的结构进行分析利用，降低推理的复杂度。因此，贝叶斯分类器在分类效果上比起其他分类算法有着相对稳定的分类效果。但贝叶斯网络的结构学习，一直是一个 NP 难的问题。本文我们使用基于搜索和评分的方法。提出一种改进的狼群算法，设计狼群的更新策略，以改善局部极值问题，提高学习算法精度，使其适用于贝叶斯网络的结构学习，将贝叶斯网络结构的学习过程转化为寻找最优头狼的问题。在确定贝叶斯网络的结构之后，使用极大似然算法学习贝叶斯网络的参数并且形成贝叶斯分类器。然后，我们结合卷积神经网络在特征提取中的独特优势来识别害虫图像。如图 1.1 所示：
第 2 章 群智能算法与狼群算法简介5]根据狼的捕食行为提出了狼群算法，该算法主为和围攻行为三种智能行为，以及胜者为王，强新策略。能算法的简介及优势是一种生物启发式的算法，群智能算法算法的大
【相似文献】
中国期刊全文数据库 前10条
1 葛文;成毅;孙亚飞;;地理信息服务朴素贝叶斯分类及类别匹配研究[J];测绘工程;2013年02期
2 王勇;;基于群的朴素贝叶斯分类[J];中小企业管理与科技(上旬刊);2011年01期
3 张微;;朴素贝叶斯分类模型在中红外光谱测原料奶掺假中的应用研究[J];食品工程;2011年01期
4 刘毅辉,魏振军;保持隐私的朴素贝叶斯分类[J];信息工程大学学报;2003年01期
5 谢斌;;朴素贝叶斯分类在数据挖掘中的应用[J];甘肃联合大学学报(自然科学版);2007年04期
6 李金华;梁永全;吕芳芳;;一种加权朴素贝叶斯分类增量学习模型[J];计算机与现代化;2010年05期
7 陈弋兰;;基于朴素贝叶斯分类的图像消噪[J];安庆师范学院学报(自然科学版);2008年03期
8 李伟红,龚卫国,陈伟民,梁毅雄,张红梅;基于中国人人脸区域特征的贝叶斯分类法研究[J];仪器仪表学报;2004年S2期
9 周超俊，蒋慰孙，叶银忠，藤井省三;一种基于贝叶斯分类原理的动态系统故障检测与诊断方法[J];控制与决策;1995年03期
10 韩丽娜;;贝叶斯分类模型在学生成绩预测中的应用研究[J];计算机与数字工程;2018年10期
中国重要会议论文全文数据库 前10条
1 袁野;胡邦辉;刘丹军;苏宏琛;;基于贝叶斯分类判别方法的雷暴预报研究[A];第26届中国气象学会年会灾害天气事件的预警、预报及防灾减灾分会场论文集[C];2009年
2 李伟红;龚卫国;陈伟民;梁毅雄;张红梅;;基于中国人人脸区域特征的贝叶斯分类法研究[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
3 曹三省;李丹;黄祥林;;一种基于贝叶斯分类的图像自动标引系统[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年
4 殷复莲;张晓宇;冯晴;;基于贝叶斯分类的大学生关注热点事件微博文本分类方法研究[A];中国新闻技术工作者联合会2017年学术年会论文集（优秀论文篇）[C];2017年
5 薛集明;章晋;王若宇;;基于贝叶斯分类的网络入侵检测[A];2013年中国电机工程学会年会论文集[C];2013年
6 黄冲;刘卓军;;基于统计分析的中医体质分类研究[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年
7 程新荣;杨仁刚;;网页自动分类在搜索引擎上的应用研究[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年
8 杨琼;曹亦薇;;贝叶斯方法在探索项目功能差异潜在因素中的应用[A];全国教育与心理统计与测量学术年会暨第八届海峡两岸心理与教育测验学术研讨会论文摘要集[C];2008年
9 周益来;张广智;张佳佳;;基于岩石物理特征的贝叶斯分类储层识别[A];2018年中国地球科学联合学术年会论文集（四十五）——专题98：东亚多板块汇聚与燕山运动、专题99：深部地球化学找矿、专题100：油气地球物理[C];2018年
10 陈磊;李有勇;侯廷军;;P糖蛋白抑制剂的理论预测研究[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年
中国博士学位论文全文数据库 前7条
1 钱琨;基于机器学习理论的红外目标跟踪技术研究[D];西安电子科技大学;2018年
2 冯e
本文编号：2732162
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2732162.html
