文献类型：期刊文章

作　　者：蔡小娜[1,2] 黄大庄[1] 沈佐锐[2] 高灵旺[2]

机构地区：[1]河北农业大学,河北保定071000 [2]中国农业大学IPMist实验室,北京100193

出　　处：《生物数学学报》

基　　金：河北省自然科学基金项目(C2012204008)

年　　份：2013

卷　　号：28

期　　号：1

起止页码：23-33

语　　种：中文

收录情况：JST、MR、ZMATH、普通刊

摘　　要：为探讨人工神经网络(ANN)在昆虫分类上的可行性,本文提出利用主成分分析和数学建模等方法相结合改进ANN,并以鳞翅目夜蛾科6种蛾类昆虫为样本进行了验证.首先利用Bugshape1.0特征提取软件获取6种蛾180个右前翅样本的13项数学形态特征数据,再运用主成分分析对蛾翅数学形态特征变量重新组合生成新的综合变量,然后结合主成分分析建立BP神经网络分类器.主成分分析结果表明,前5个主成分的累积贡献率为85.52%,已基本包含了全部特征变量具有的信息.在主成分分析的基础上,建立具有5个输入层节点,12个隐含层节点和1个输出层节点的三层BP神经网络分类器.每种蛾20个样本共120组特征数据对分类器进行训练和仿真,其余60组特征数据对分类器进行验证,仿真输出值与目标值的相关系数R=0.997,分类正确率达到了93.33%.较之未经过主成分分析而单独使用BP神经网络建立的分类器,基于主成分分析的BP神经网络分类器具有更优的性能和更准确的分类能力.研究结果表明本文提出的方法具有很好的分类和鉴别作用,为蛾种类的鉴别提供了一种可行的方法.

关 键 词：蛾翅(夜蛾科)  数学形态特征 主成分分析 BP神经网络 分类鉴定  

分 类 号：Q96]