论文部分内容阅读
为解决赤潮生物图像识别中随着识别种类增多,分类准确率快速下降的问题,本文对支持向量机(SVM)分类器进行改进。通过对支持向量机分类时出错样本点的分布情况的研究,发现在最优分类超平面附近容易发生错分现象。因此本文采用SVM-KNN分类器来替代支持向量机(SVM)分类器,利用K近邻分类的优点,对出现在支持向量机分类容易发生错分情况的最优分类超平面附近的样本点采用 K近邻分类。实验证明了使用SVM-KNN分类器比支持向量机(SVM)分类器有更高的分类准确率,并且性能更加稳定。