本文選題：最小二乘支持向量機 + 機器學(xué)習　； 參考：《吉林農(nóng)業(yè)大學(xué)》2017年碩士論文

【摘要】：我國養(yǎng)鹿業(yè)歷史悠久,但在國際市場中所占份額遠低于西方國家。對梅花鹿生態(tài)行為進行研究,有助于進一步開發(fā)鹿產(chǎn)品的經(jīng)濟價值,更好的對梅花鹿進行保護,為智能農(nóng)業(yè)提供技術(shù)支撐。圖像處理識別技術(shù)在科學(xué)養(yǎng)殖方面也有著廣泛應(yīng)用,但其中多數(shù)集中于禽類等小型養(yǎng)殖領(lǐng)域,應(yīng)用于禽畜養(yǎng)殖研究較少,對于牛、羊、鹿等大型畜牧類動物的研究基本沒有。本文擬用計算機圖像識別技術(shù)運用到梅花鹿的科學(xué)養(yǎng)殖中,節(jié)約了人工養(yǎng)殖成本。論文還對圖像進行各種細小環(huán)節(jié)的處理。如二值化,歸一化,細化等等,提高了圖像處理的質(zhì)量,以便機器進行分析識別。論文研究的具體內(nèi)容如下:(1)對最小二乘支持向量機的原理及其基本算法進行探究,并根據(jù)應(yīng)用需要,選擇SVM中的經(jīng)典多分類算法OVA(One-Versus-All)解決梅花鹿視頻抓取圖像與數(shù)據(jù)庫圖像的漸進性匹配問題,因為在相同情況下,識別精度較高。(2)解決過程中,著重分析了特征值提取辦法及參數(shù)設(shè)置方法,為提高系統(tǒng)識別準確率,提出了一種適用于小樣本特征提取的解決算法SLDA,經(jīng)過實驗驗證,可以有效提高特征提取的準確率,為后續(xù)的研究奠定了堅實的基礎(chǔ)。并將研究結(jié)果有效應(yīng)用于梅花鹿面部圖像識別這一應(yīng)用領(lǐng)域中。(3)為了增強整個系統(tǒng)識別的精度,對圖像進行預(yù)先處理,去除一些對圖像識別可能存在的干擾的情況。(4)根據(jù)系統(tǒng)總體設(shè)計方案構(gòu)建梅花鹿遠程視頻解析及識別系統(tǒng)平臺,系統(tǒng)主要功能分別是,預(yù)覽功能,實時監(jiān)測功能,面部檢測功能,面部識別功能及面部訓(xùn)練功能等及部分。并將其應(yīng)用在梅花鹿科學(xué)養(yǎng)殖中。
[Abstract]:China has a long history of deer farming, but its share in the international market is much lower than that in western countries. The study on the ecological behavior of sika deer is helpful to further develop the economic value of deer products, better protect sika deer, and provide technical support for intelligent agriculture. Image processing and recognition techniques are also widely used in scientific breeding, but most of them are concentrated in the field of small-scale breeding such as poultry, but few are used in livestock breeding, but there is no research on large livestock animals such as cattle, sheep, deer and so on. In this paper, the technology of computer image recognition is applied to the scientific breeding of sika deer, which saves the cost of artificial breeding. The paper also carries on the processing to the image each kind of small link. Such as binarization, normalization, thinning and so on, improve the quality of image processing, so that the machine can be analyzed and identified. The specific contents of this paper are as follows: (1) the principle and basic algorithm of least squares support vector machine (LS-SVM) are explored, and the application needs are also discussed. The classical multi-classification algorithm OVAX One-Versus-Allin SVM is chosen to solve the problem of progressive matching between sika deer video capture image and database image, because in the same case, the recognition accuracy is higher. The methods of feature extraction and parameter setting are analyzed emphatically. In order to improve the recognition accuracy of the system, a new algorithm, SLDA, which is suitable for small sample feature extraction, is proposed, which can effectively improve the accuracy of feature extraction after experimental verification. For the follow-up research laid a solid foundation. In order to enhance the recognition accuracy of the whole system, the research results are effectively applied to the face image recognition of sika deer. Removing some possible interference to image recognition.) according to the overall design of the system, the platform for remote video analysis and recognition of sika deer is constructed. The main functions of the system are: preview function, real-time monitoring function, Facial detection function, facial recognition function and facial training function and so on. It was applied to sika deer breeding.
【學(xué)位授予單位】：吉林農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S825;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 趙明富;劉自迪;鄒雪;吳亮;張峰;龍潔;;基于高光譜成像技術(shù)對馬鈴薯外部缺陷的識別[J];激光雜志;2016年03期

2 于波;徐雪嬌;;基于支持向量機的旋轉(zhuǎn)機械振動故障診斷研究[J];電子設(shè)計工程;2016年06期

3 祁釗;江朝暉;楊春合;劉連忠;饒元;;基于圖像技術(shù)的玉米葉部病害識別研究[J];安徽農(nóng)業(yè)大學(xué)學(xué)報;2016年02期

4 孫佳駿;卜異亞;于忠義;;支持向量機在遙感圖像分類中的應(yīng)用[J];電腦編程技巧與維護;2015年21期

5 彭安杰;康顯桂;;基于濾波殘差多方向差分的中值濾波取證技術(shù)[J];計算機學(xué)報;2016年03期

6 閆麗;沈明霞;姚文;陸明洲;劉龍申;肖安磊;;基于MPU6050傳感器的哺乳期母豬姿態(tài)識別方法[J];農(nóng)業(yè)機械學(xué)報;2015年05期

7 楊帆;張皓;馬新文;姜勇;;基于FPGA的圖像處理系統(tǒng)[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年02期

8 黎偉;劉觀仕;姚婷;;膨脹土裂隙圖像處理及特征提取方法的改進[J];巖土力學(xué);2014年12期

9 程洪;Lutz Damerow;Michael Blanke;孫宇瑞;;基于圖像處理與支持向量機的樹上蘋果早期估產(chǎn)研究[J];農(nóng)業(yè)機械學(xué)報;2015年03期

10 任越美;張艷寧;李映;;壓縮感知及其圖像處理應(yīng)用研究進展與展望[J];自動化學(xué)報;2014年08期

相關(guān)博士學(xué)位論文 前5條

1 金瑤;基于支持向量回歸機的無跡卡爾曼濾波設(shè)計與應(yīng)用[D];中國地質(zhì)大學(xué);2013年

2 劉偉石;野化梅花鹿冬季食物組成和健康狀況的評估[D];東北林業(yè)大學(xué);2012年

3 邢永忠;最小二乘支持向量機的若干問題與應(yīng)用研究[D];南京理工大學(xué);2009年

4 郭新辰;最小二乘支持向量機算法及應(yīng)用研究[D];吉林大學(xué);2008年

5 王國勝;支持向量機的理論與算法研究[D];北京郵電大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 陳永健;半監(jiān)督支持向量機分類方法研究[D];陜西師范大學(xué);2014年

2 唐蕊;中國鹿產(chǎn)業(yè)發(fā)展現(xiàn)狀及策略研究[D];吉林大學(xué);2013年

3 王秀菲;基于特征加權(quán)支持向量機的復(fù)合材料粘接缺陷量化識別研究[D];內(nèi)蒙古大學(xué);2011年

4 呂金銳;基于支持向量機的合成孔徑雷達圖像目標識別[D];西安科技大學(xué);2010年

5 王紅艷;基于支持向量機的合成孔徑雷達圖像分割[D];西安科技大學(xué);2010年

6 劉宇慶;梅花鹿行為學(xué)及微衛(wèi)星標記研究[D];揚州大學(xué);2008年

7 顧小軍;面向旋轉(zhuǎn)機械的支持向量機方法及智能故障診斷系統(tǒng)研究[D];浙江大學(xué);2006年

，

本文編號：1956733