数学形态学在昆虫分类学上的应用研究.Ⅱ.在总科阶元上的应用研究

从总科角度对鳞翅目（Lepidoptera）和鞘翅目（Coleoptera）5个总科23种昆虫图像中提取的昆虫面积、周长等11项数学形态特征进行了统计分析。结果表明,在总科阶元上,11项特征的可靠性大小为圆形性＞（面积、周长、横轴长、球形性、似圆度、偏心率）＞（纵轴长、叶状性）＞（形状参数、亮斑数）。从数学形态特征角度讲,夜蛾总科等3个总科的亲缘关系远近大小依次为夜蛾总科与凤蝶总科>蚕蛾总科与凤蝶总科>夜蛾总科与蚕蛾总科。     

粗糙集理论在昆虫分类学上的应用

研究了昆虫的数学形态特征在目级昆虫分类阶元上作为分类特征的可行性、可靠性和重要性,以及3个目的亲缘关系远近.根据昆虫图像,对半翅目、鳞翅目、鞘翅目的28种昆虫提取形状参数、叶状性、球状性等7项数学形态特征进行了粗糙集理论与方法的论证和运算,并与赵汗青等人统计分析的结果加以比较.在作为目级阶元分类时,各项特征的重要性依次为:(似圆度、偏心率)＞(亮斑数、球状性、圆形性)＞(叶状性、形状参数).从数学形态特征角度讲,3个目的亲缘关系远近大小依次为:半翅目与鞘翅目＞鳞翅目与鞘翅目＞半翅目与鳞翅目.粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比有更为理想的作用.     

双重标准差法在昆虫科阶元分类学上的应用

在科分类阶元上对半翅目、鳞翅目和鞘翅目8个科的23种昆虫图像中提取的昆虫面积、周长等11项数学形态特征进行了双重标准差法分析,以评估该方法在昆虫科阶元分类上的应用有效性。结果表明,在科的阶元上11项特征可靠性大小依次为: （似圆度、偏心率、 圆形性>（横轴长、形状参数、叶状性>（面积、周长、球状性> (纵轴长、亮斑数)。科的亲缘关系远近结果显示： 蝽科和缘蝽科关系较近>丽金龟科、天牛科与鳃金龟科关系较近>夜蛾科、大蚕蛾科和粉蝶科关系较近。所得结果与统计假设检验分析所得结果非常相似。     

粗糙集模糊聚类分析法在昆虫分类研究中的应用

本文根据昆虫图像,对半翅目、鳞翅目、鞘翅目的28种昆虫提取的形状参数、叶状性、球状性等7项数学形态特征进行了粗糙集模糊聚类分析。在粗糙集处理的基础上,分别进行7指标和3指标（相对约简）两种不同的模糊聚类分析法相比较。结果显示,在作为目级阶元分类指标时,各项特征的重要性依次为：(似圆度、偏心率)＞（亮斑数、球状性、圆形性）＞（叶状性、形状参数）;粗糙集分类正确率优于模糊聚类分析法;粗糙集处理后的3指标分类正确率优于未处理的7指标分类正确率。结论认为,粗糙集理论在昆虫依据数学形态特征进行分类方面与统计分析方法相比更有优势,粗糙集滤过指标后再进行模糊聚类法分析在昆虫分类研究上具有重要意义。     

数学形态学在昆虫分类学上的应用研究.Ⅲ.在科阶元上的应用研究

在科分类阶元上对半翅目、鳞翅目和鞘翅目8个科的23种昆虫图像中提取的昆虫面积、周长等11项数学形态特征进行了统计分析。结果表明,在科的阶元上11项特征可靠性大小依次为(似圆度、偏心率)>(面积、周长、横轴长、球状性)>(纵轴长、圆形性)>(形状参数、叶状性)>亮斑数。从数学形态学角度出发,夜蛾科等3个科的亲缘关系远近为夜蛾科与粉蝶科>大蚕蛾科与粉蝶科>夜蛾科与大蚕蛾科;鳃金龟等3科的亲缘关系远近为鳃金龟科与天牛科、丽金龟科与天牛科>鳃金龟科与丽金龟科。     

数学形态学在昆虫分类学上的应用研究.Ⅰ.在目级阶元上的应用研究

根据昆虫图像,对半翅目（Hemiptera）、鳞翅目（Lepidoptera）、鞘翅目（Coleoptera）的34种昆虫提取形状参数、叶状性、球状性等7项数学形态特征进行了统计分析,从而论证了各项数学形态特征在目级昆虫分类阶元上作为分类特征的可行性和可靠性,并从数学形态学角度对所涉及到的同阶元昆虫类群的亲缘关系做了描述。结果表明,在作为目级阶元分类特征时,各项特征的可靠性依次为：(似圆度、偏心率、亮斑数)＞(叶状性、球状性、圆形性)＞形状参数。由这些特征的差异显著性可知,从数学形态特征角度讲,3个目的亲缘关系远近大小依次为：半翅目与鞘翅目＞半翅目与鳞翅目＞鳞翅目与鞘翅目。     

数学形态学在昆虫分类学上的应用研究.Ⅰ.在目级阶元上的应用研究

根据昆虫图像,对半翅目（Hemiptera）、鳞翅目（Lepidoptera）、鞘翅目（Coleoptera）的34种昆虫提取形状参数、叶状性、球状性等7项数学形态特征进行了统计分析,从而论证了各项数学形态特征在目级昆虫分类阶元上作为分类特征的可行性和可靠性,并从数学形态学角度对所涉及到的同阶元昆虫类群的亲缘关系做了描述。结果表明,在作为目级阶元分类特征时,各项特征的可靠性依次为：(似圆度、偏心率、亮斑数)＞(叶状性、球状性、圆形性)＞形状参数。由这些特征的差异显著性可知,从数学形态特征角度讲,3个目的亲缘关系远近大小依次为：半翅目与鞘翅目＞半翅目与鳞翅目＞鳞翅目与鞘翅目。     

蛾翅数学形态特征用于夜蛾分类和鉴定的可行性研究

摘要: 为探讨蛾翅数学形态特征(MMC)在夜蛾科分类鉴定中的可行性, 本文利用数字化技术获得和处理昆虫图像, 对鳞翅目夜蛾科6种夜蛾的右前翅提取矩形度、 延长度、 叶状性、 偏心率、 球状性、 似圆度和不变矩Hu1、 Hu2等13项与大小尺度和方向均无关的数学形态特征, 并利用方差分析、 逐步判别分析和聚类分析等方法研究了各项数学形态特征在昆虫分类上作为分类特征的可行性、 可靠性和重要性, 并且从数学形态学角度对夜蛾科6个种的亲缘关系进行了分析。分析结果认为矩形度和延长度2个形态特征对这6种夜蛾的分类鉴定没有显著意义, 从而筛选出11个形态特征作为分类变量, 它们的作用大小依次为： （偏心率、 Hu5、 Hu7）＞Hu2＞似圆度＞球状性＞Hu3＞（叶状性、 Hu1、 Hu6）＞Hu4。利用蛾翅的这些特征参数成功地实现了对夜蛾科6种夜蛾的分类鉴定, 基于这些特征参数的6种夜蛾的亲缘关系远近与基于传统形态学的系统进化观点相同。研究表明蛾翅数学形态特征可应用于蛾类昆虫的快速鉴定, 为未来逐步实现蛾类昆虫的自动识别奠定了基础。     

四种网蝽科昆虫外部形态特征提取与分析

随着计算机图像处理技术的发展,昆虫图像特征提取技术在昆虫分类学中的应用越来越广泛。相关的研究报道涉及到多种较大型昆虫和节肢动物,但对身体较小昆虫的外部形态特征提取与分析,及其雌雄鉴别方面的报道不多。本研究利用中国农业大学IPMist实验室开发的Bug Shape 1.0对体型较小的4种网蝽科Tingidae昆虫成虫进行了外部形态特征的提取,分析了所得参数在其种类和雌雄方面的差异。结果表明,获得的10个参数在4种网蝽成虫中差异均有高度统计学意义。4种网蝽雌雄成虫在面积、等效圆半径、偏心率、球状性和圆形度5个参数方面的差异有高度统计学意义,初步认为可以作为区别这4种网蝽雌雄成虫的重要指标。判别分析证明,4种网蝽交叉判别的正确率高达98.5%,对种类和性别同时进行判别时,交叉判别的正确率为85.0%。利用重心法得到的聚类分析结果符合传统昆虫分类学的结果,同一属的菊方翅网蝽Corythucha marmorata和悬铃木方翅网蝽C.ciliata优先聚为一类,其他2种网蝽先后分别聚类。本研究利用图像处理与分析技术得到的参数适合对此类昆虫进行种类和性别的鉴定,初步表明该技术在此类害虫分类鉴定中的科学性和可行性。     

用于昆虫分类鉴定的人工神经网络方法研究:主成分分析与数学建模

为探讨人工神经网络(ANN)在昆虫分类上的可行性,本文提出利用主成分分析和数学建模等方法相结合改进ANN,并以鳞翅目夜蛾科6种蛾类昆虫为样本进行了验证.首先利用Bugshape1.0特征提取软件获取6种蛾180个右前翅样本的13项数学形态特征数据,再运用主成分分析对蛾翅数学形态特征变量重新组合生成新的综合变量,然后结合主成分分析建立BP神经网络分类器.主成分分析结果表明,前5个主成分的累积贡献率为85.52%,已基本包含了全部特征变量具有的信息.在主成分分析的基础上,建立具有5个输入层节点,12个隐含层节点和1个输出层节点的三层BP神经网络分类器.每种蛾20个样本共120组特征数据对分类器进行训练和仿真,其余60组特征数据对分类器进行验证,仿真输出值与目标值的相关系数R=0.997,分类正确率达到了93.33%.较之未经过主成分分析而单独使用BP神经网络建立的分类器,基于主成分分析的BP神经网络分类器具有更优的性能和更准确的分类能力.研究结果表明本文提出的方法具有很好的分类和鉴别作用,为蛾种类的鉴别提供了一种可行的方法.