基于XGBoost和SVM模型的干豆品种自动分类
机器学习
2024-08-05 v1
摘要
本文对七种不同干豆品种的自动分类进行了比较研究。利用一个包含12,909份干豆样本的数据集（从初始13,611份经异常值去除和特征提取后缩减），我们采用主成分分析（PCA）进行降维，并训练了两个多类分类器：XGBoost和支持向量机（SVM）。模型通过嵌套交叉验证进行评估，以确保稳健的性能评估和超参数调优。XGBoost和SVM模型分别取得了94.00%和94.39%的总体正确分类率。结果强调了这些机器学习方法在农业应用中的有效性，特别是在提升种子分类的统一性和效率方面。本研究为精准农业领域日益增长的文献做出了贡献，证明自动化系统可以显著支持种子质量控制和作物产量优化。未来工作将探索纳入更多样化的数据集和更先进的算法以进一步提升分类准确率。
引用
@article{arxiv.2408.01244,
title = {Automated Classification of Dry Bean Varieties Using XGBoost and SVM Models},
author = {Ramtin Ardeshirifar},
journal= {arXiv preprint arXiv:2408.01244},
year = {2024}
}
备注
8 pages, 4 figurs