基于AdaBoost.M2和神经模糊系统的植物识别算法

摘要 为提高传统神经模糊系统（NFS）在植物识别领域对于相似植物样本的识别能力，提出了AdaBoost.M2-NFS算法。该算法首先对传统NFS进行改进以便融合，然后将新NFS与AdaBoost.M2结合得到AdaBoost.M2-NFS新模型。在Iris数据集上实验结果表明：新模型与单个NFS相比，识别率增加了3.33个百分点；与线性支持向量机（SVM）相比，识别率增加了1.11个百分点；与Softmax相比，识别率增加了3.33个百分点。根据敏感性和特异性分析可知，所提模型对于线性不可分数据分类效果比对线性可分数据分类效果好；同时，由于AdaBoost.M2的改进，使得所提算法在植物识别领域具备快速成型和高泛化能力