浮游植物物种识别的监督学习方法比较研究
机器学习
2017-01-24 v1 机器学习
摘要
浮游植物在海洋生态系统中起着重要作用。它被定义为评估海洋质量的生物因子。浮游植物物种的识别在监测环境、气候变化以及评估水质方面具有很高潜力。然而，由于数千种微型和皮型浮游植物物种带来的可变性和模糊性，浮游植物物种识别并非易事。因此，本文旨在构建一个浮游植物物种识别框架，并对不同特征类型和分类器进行比较。我们提出了一种从浮游植物物种原始信号提取的新特征类型。然后，我们分析了各种分类器在所提特征类型以及另外两种特征类型上的性能，以找出鲁棒的分类器。通过实验发现，使用所提特征的随机森林(Random Forest)给出了最佳分类结果，平均准确率高达98.24%。
引用
@article{arxiv.1701.06421,
title = {Comparative study on supervised learning methods for identifying phytoplankton species},
author = {Thi-Thu-Hong Phan and Emilie Poisson Caillault and André Bigand},
journal= {arXiv preprint arXiv:1701.06421},
year = {2017}
}