数学形态学在昆虫总科阶元分类学上的应用研究

摘要

对鳞翅目Lepidoptera和鞘翅目Coleoptera 5个总科23种昆虫图像中提取昆虫面积、周长等11项数学形态特征进行了粗糙集神经网络分析,并与赵汗青统计分析加以比较,结果表明在总科阶元上,11项特征的可靠性顺序为面积、亮斑数＞周长、横轴长、形状参数、圆形性、似圆度、偏心率＞纵轴长、叶状性、球状性形性、似圆度、偏心率)＞(纵轴长、叶状性)＞(形状参数、亮斑数).与赵汗青等人用统计学分析的结果不完全一致,但大多数属性特征重要性还是一致的.神经网络模式识别结果与传统分类结果完全一致.由此得出: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为理想.