基于AdaBoost集成学习的烟丝组分识别

【摘要】：目的:提高烟丝的识别效率。方法:利用F-score特征选择方法和AdaBoost集成学习方法对烟丝组分进行识别，提取烟丝的纹理、颜色、形状特征作为模型的输入，通过F-score特征选择方法降低特征维度，以支持向量机(Support Vector Machine, SVM)作为基分类器，再利用AdaBoost集成学习方法，得到烟丝的分类模型。结果:该方法能够有效区分不同组分烟丝，每种烟丝的识别准确率都在95%以上。结论:AdaBoost集成学习方法比传统方法更快捷、方便，也更安全、有效。