标签：SVM %% 分类 分类器 算法 模拟退火 粮虫 best
1 简介
将模拟退火算法应用于粮虫图像识别中支持向量机分类器参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了3.91倍,分类器的识别率提高了5.56%.应用SAA-SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到95.56%,证实了基于SAA-SVM的分类器对粮虫进行自动分类是可行的.
2 部分代码
% 使用模拟退火法求函数 f(x,y)=x^2+y^2的最小值
% 使用METROPOLIS接受准则进行模拟
%% 清空环境
tic % 计时
clear
clc
close all
format compact
%% 绘制目标函数图像
x=-5:0.1:5;
y=-5:0.1:5;
[X,Y]=meshgrid(x,y);
value=X.*X+Y.*Y;
figure('Name','目标函数图像')
mesh(X,Y,value)
%% SA算法主程序
end
%% 结果显示
disp(['最小值在点:',num2str(Par_best)]);
Objval_best= ObjectFunction(Par_best);
disp(['最小值为:',num2str(Objval_best)]);
%% 显示运行时间
toc
3 仿真结果
4 参考文献
[1]胡玉霞, 张红涛. 基于模拟退火算法-支持向量机的储粮害虫识别分类[J]. 农业机械学报, 2008, 39(9):4.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
标签：SVM,%%,分类,分类器,算法,模拟退火,粮虫,best 来源： https://blog.csdn.net/qq_59747472/article/details/122530599
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。