基于Bagging-PNN算法的树叶分类方法优化

摘要

不同类型的树叶有不同的形状特征,依据叶片的这些特征可以简单而有效地区分不同种类的叶片.该文在Matlab平台上从二值化的树叶图片中提取了13维特征指标,包括长宽比、矩形度、圆形度等,依据这些特征指标,使用概率神经网络(PNN)在83种树叶的数据集上进行实验,识别结果的平均准确率约为86.3％,使用集成学习(Bagging)对分类算法进行改进,使用PNN作为弱分类器,将多个PNN分类器的投票结果作为最终分类结果输出,相比于传统的PNN算法,该文使用的Bagging-PNN算法对于叶片识别准确率提高到了90.3％.