基于SVM的病蟲害發(fā)生量預測與昆蟲識別.pdf

1、基于支持向量回歸(support vector regression，SVR)并融合帶受控項的自回歸模型(controlled autoregressive，CAR)，建立了一種基于結構風險最小原則、既反映樣本集動態(tài)特征又體現(xiàn)環(huán)境因子影響的高精度非線性多維時間序列預測方法(SVR-CAR)，并對5年的小麥赤霉病病穗率和二代玉米螟危害程度進行了一步預測。結果表明，小麥赤霉病病穗率的均方誤差(MSE)為205.2，平均絕對誤差百分率(MAP

2、E)為18；二代玉米螟危害程度的MSE為30.2，MAPE為27。在所有的參比模型中，SVR-CAR預測精度最高，在農(nóng)業(yè)科學、生態(tài)學、經(jīng)濟等領域具有廣泛的應用前景。 從所屬半翅目、鱗翅目、鞘翅目的34種昆蟲的數(shù)碼圖像中所提取的面積、周長、偏心率、似圓度等11項數(shù)學形態(tài)特征值出發(fā)，基于支持向量機分類(SVC)，對利用數(shù)學形態(tài)特征值在目、總科、科共3個分類階元上昆蟲識別的可行性進行研究，并通遼篩選找出有利于提高識別精度的特征值。結果