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%。
