科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了克服柑橘黄龙病监测和识别难的问题,提出一种基于约束性多目标优化算法的柑橘黄龙病识别算法（Constrained multi-objective optimization algorithm based citrus Huanglongbing disease identification algorithm,简称CMOA-CHDIA）。将柑橘黄龙病特征最优化转换为约束性多目标优化问题模型,采用基于勒贝格测度约束性多目标粒子群优化算法（Lebesgue measure based for constrained multiobjective particle swarm optimization algorithm,简称LCMOPSO）求解该模型,并获取最优柑橘黄龙病特征;根据获得的最优特征采用近邻分类算法识别柑橘黄龙病。仿真结果显示,基于约束性多目标优化算法的柑橘黄龙病识别算法对柑橘黄龙病的识别准确率达到了98.55%,较FSMEA、PSO-MOFSA、FSMDEA识别准确率分别增加了15.55%、11.55%和12.55%,在提高柑橘黄龙病识别准确度方面效果较好,对柑橘黄龙病防治具有一定的指导意义。
- 单位
