基于GA-SVM的农产品质量分类

作者：马创; 吕孝飞^*; 梁炎明

来源：计算机科学, 2020, S1: 517-520.

• 农产品
• 质量分类
• 因子分析
• 遗传算法
• 支持向量机

传统方法对农产品进行细粒度划分,确定影响分类效果的关键因素,但忽略了农产品的质量特征。对农产品的质量进行科学的分类,能够更好地反映农产品在质量方面的变化,还可以显著提升农产品后续的处理效率。从农产品的质量特征出发,将农产品进行分类,对不同类别的农产品按照不同的方法进行处理,以在保证农产品质量的同时提高农产品的附加值。分类方法与模型参数的选取对于农产品质量分类的准确度尤为重要。传统支持向量机SVM对模型参数的选择具有盲目性,为提高分类的准确度,文中提出一和中将因子分析(Factor Analsysi,FA)与基于遗传算法改进的支持向量机(Genetic Algorithm-Support Vector Machine,GA-SVM)结合的分类模型。实验结果表明,改进后的SVM能够快速、有效地判别农产品质量类别,显著改善农产品质量的分类精度,评估过程较为简单,可广泛应用于农产品质量的评估。

• 单位
  重庆邮电大学