一种基于证据理论的鸢尾花植株类型识别方法及系统技术方案

本发明专利技术提供一种基于证据理论的鸢尾花植株类型识别方法及系统，本发明专利技术针对目前基于证据理论的鸢尾花识别方法中，证据模糊度的评价方法及证据权重分配方法存在的问题，将Wasserstein距离引入模糊证据的度量过程中，提出用清晰度表示证据的模糊程度，并基于该清晰度，提出一种新的证据权重分配方法；本发明专利技术解决了模糊证据度量过程复杂、度量不准确的问题，并且更充分地考虑了证据模糊程度与证据权重之间的相关性，可以为证据分配一个更合理的权重，有效降低模糊证据对融合结果的影响以提高决策准确率。高决策准确率。高决策准确率。

【技术实现步骤摘要】
一种基于证据理论的鸢尾花植株类型识别方法及系统


[0001]本专利技术涉及鸢尾花植株类型识别方法，具体涉及一种基于证据理论的鸢尾花植株类型识别方法及系统。

技术介绍

[0002]基于证据理论的鸢尾花植株类型识别是指通过将鸢尾花的花型特征数据(包括萼片长度(Sepal Length，SL)、萼片宽度(Sepal Width，SW)、花瓣长度(Petal Length，PL)、及花瓣宽度(Petal Width，PW))转化为证据后，利用D
‑
S证据理论将其进行融合，从而对其植株类型进行预测和判定的过程。在使用D
‑
S证据理论中的概率指派生成方法将鸢尾花的四个属性值转化为四条证据后，每条证据体中通常都包含有一些模糊证据，若不对模糊证据进行任何处理，直接使用证据理论合成规则融合四条证据后预测植株类型，预测的准确率将极不理想，因此，目前基于证据理论的鸢尾花识别方法在融合之前，均会对数据集中的模糊证据进行专门的处理，处理方法为先使用信息熵度量出模糊证据的模糊程度，再根据证据的模糊程度确定证据权重，最后使用证据权重对鸢尾本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于证据理论的鸢尾花植株类型识别方法，其特征在于，包括以下步骤：步骤1，确定鸢尾花植株类型的识别框架；步骤2，将鸢尾花的多种花型特征数据使用区间数模型转化为证据，即生成相应的基本概率指派函数；步骤3，计算各证据的可信度Cred；步骤4，计算各证据的清晰度Clar；步骤5，基于证据可信度与清晰度确定各证据的权重w；步骤6，基于各证据的权重，定义归一化证据，该归一化证据为根据权重修正后的证据；步骤7，基于权重修正后的证据，使用Dempster组合规则做出决策。2.根据权利要求1所述的一种基于证据理论的鸢尾花植株类型识别方法，其特征在于，鸢尾花的植株类型共有三种，分别为：setosa、versicolor、virginica，则定义步骤1中的识别框架为Θ＝{Se，Ve，Vi}。3.根据权利要求1所述的一种基于证据理论的鸢尾花植株类型识别方法，其特征在于，步骤2中的花型特征数据包括萼片长度、萼片宽度、花瓣长度及花瓣宽度。4.根据权利要求1所述的一种基于证据理论的鸢尾花植株类型识别方法，其特征在于，步骤3中，计算各证据的可信度Cred的过程包括：步骤3.1，利用Joussulme距离函数计算各证据相似度，获取证据的相似度sim(m
i
，m
j
)＝1
‑
JoussulmeDistance(m
i
，m
j
)；且其中:m
i
‑
m
j
是证据m
i
和m
j
之间的向量差；D为一个基于焦元一阶范数的矩阵，且步骤3.2，计算各证据的初始可信度Cred
′
：基于证据的相似度，定义证据的初始可信度如下：其中：ms为参与融合的证据集合，ms中的...

【专利技术属性】
技术研发人员：王剑，王玉翠，黄梦杰，王明慧，彭雨琦，赵宇斐，
申请(专利权)人：郑州大学，
类型：发明
国别省市：