基于多分类器DS证据理论融合的杂草识别

摘要

针对杂草识别,提出一种基于Dempster和Shagfer(DS)证据理论的多分类器融合方法,通过集成不同的分类器如BP神经网络、K近邻分类器和支持向量机等进行多分类器融合.该方法利用各个分类器的识别结果构造DS概率分配函数,再输出最终融合结果.实验结果表明,相较于单个分类器,所设计的多分类器融合模型能够在一定程度提高杂草的识别正确率,一定程度上解决了单个分类器对杂草识别的不均衡问题,有利于提高杂草识别的工作效率.