换一批摘要本研究旨在利用支持向量机(SVM)和高斯朴素贝叶斯(GNB)算法对糯玉米品种进行鉴别.采集来自 8 个不同品种的糯玉米样本,运用图像处理技术对其进行拍摄和处理;通过特征提取技术,从样本中提取形态学和颜色特征;将数据集按照 8∶2 的比例划分为训练集和测试集,用于模型的训练和评估.实验结果表明,SVM在糯玉米品种鉴别任务中表现出较高的准确性和稳定性,其在测试集上的平均分类准确率达到了90%以上;GNB算法在糯玉米品种鉴别方面也取得了良好的效果,其平均分类准确率在 82%左右;本研究还讨论了 2 种算法在不同特征维度下的性能表现,验证了SVM和GNB算法在糯玉米品种鉴别中的有效性和可行性,为相关领域的研究和应用提供了有益的参考和借鉴.
更多相关知识
关键词
糯玉米品种鉴别支持向量机高斯朴素贝叶斯机器学习identification of glutinous corn varietiessupport vector machinegaussian naive bayesian bayesmachine learning
分类号
TP181
栏目名称
DOI
10.16736/j.cnki.cn41-1434/ts.2025.20.058
发布时间
2025-11-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
吉林省教育厅科学技术研究项目（JJKH20240243KJ）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
