毕业设计（论文）-基于支持向量机(svm)的蘑菇毒性检测系统

《毕业设计（论文）-基于支持向量机(svm)的蘑菇毒性检测系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中农业大学本科毕业论文（或设计）目录摘要II关键词IIAbstractIIKeyWordsII1引言11.1研究意义11.2国内外研究情况12支持向量机理论32.1支持向量机基础理论32.2C-SVM算法及其变形算法72.3v-SVM算法93LIBSVM软件123.1LIBSVM软件简介123.2LIBSVM软件的使用方法123.3LIBSVM的工具包154Qt图形库185系统的设计与实现195.1分类问题的提出及SVM分类原理195.2支持向量机与蘑菇毒性分析相结合215.2.1蘑菇毒性检测系统总体框架215.2.2蘑菇物理属性的数

2、据描述215.2.3蘑菇属性数据学习模型的建立235.2.4蘑菇毒性预测部分266总结276.1结论276.2下一步工作28参考文献29致谢3030华中农业大学本科毕业论文（或设计）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。本系统采用了数目为

3、1000的子数据样本，核函数参数和松弛变量都采用系统计算出的推荐参数，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,thearithmeticofkernelfunctiona

4、ndthedefinitionofslackvariable,theLIBSVMtoolwithmushroomtoxicitydataonLinuxdevelopemushroomtoxicitytestingsystem,thissystemisanalyzedandtheparametersofthesampledatasegmentationofprecisedefinitionofvariablerate.Classification,Andinthecondition,thestudyresultsamplesrelated

5、physicalpropertiescanbetoxicclassificationofmushroomsonthattest.HereisthesystemUSESanumberof1000kernelfunctionparameterdatasample,andrelaxationvariablesarecalculatedusingthesystemparameters,therecommendedahighaccuracyhigheasy-to-usemushroomdetectionsystem.KeyWordsSupport

6、VectorMachine;SampleLearning;Classification;ToxicityTesting30华中农业大学本科毕业论文（或设计）1引言1.1研究意义中国的毒蘑菇种类多，分布广泛，资源丰富。在广大农村乡镇和山区，误食毒蘑菇中毒的事例很普遍，几乎每年都有严重中毒导致死亡的报告，曾经被作为多发性食物中毒的原因之一。因此，长期以来如何有效检测毒蘑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，后者采用.对照法、看形状、观

7、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)本文是利用蘑菇的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来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

8、。1.2国内外研究情况机器学习（MachineLearning，ML）是人工智能（ArtificialIntelligence，AI）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中的