核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法。利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取。从类间可分性指数和粮虫分类效果2个方面,将KPCA法与传统的主成分分析(PCA)法进行了比较分析。结果表明,KPCA法对粮虫的非线性特征更为敏感,应用KPCA法提取的前2个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为86.67%,在有效降低特征维数的同时,还保持了类别之间的可分性信息。