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.     

地标点法在夜蛾昆虫数字化分类中的应用研究

为探讨地标点法在夜蛾昆虫分类中应用的可行性,本文以13种夜蛾昆虫为对象进行数字化分类研究。首先,利用TpsDig 2软件在夜蛾前、后翅上提取12个地标点,再利用多元统计分析对消除非形状因素信息的地标点坐标进行方差分析和判别分析。研究结果表明对夜蛾前翅特征进行判别分析的准确率为88.7%,对夜蛾前后翅特征进行判别分析的准确率为97.9%,利用前后翅特征对13种夜蛾进行数字化分类的准确率明显高于仅用前翅的结果。研究表明利用蛾翅的地标点特征可以实现夜蛾昆虫的数字化分类。     

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。     

基于蛾翅翅脉特征的夜蛾昆虫数字化分类研究 （鳞翅目：夜蛾科）

本文以夜蛾昆虫为研究对象,利用蛾右前翅翅脉特征对7种夜蛾昆虫进行数字化分类研究。首先,利用软件tpsDig2提取蛾翅翅室周围翅脉交点作为标记点;再利用普世叠加方法消除非形状因素等信息,计算出每一个翅脉交点与初始交点的距离作为特征参数;最后,利用方差分析和逐步判别分析验证各项特征参数对7种夜蛾进行分类的可行性、有效性和重要性。研究结果表明,筛选出5项特征参数可以作为分类变量,其作用大小依次为:(Dis_(16)、Dis_(17))(Dis_(13)、Dis_(15))Dis_(12),原始判别和交叉判别结果的正确率分别为96.2%和96.2%。这说明蛾翅翅脉的特征参数可用于蛾类昆虫的数字化分类鉴定。