为研究粗糙集和神经网络相结合方法的实践性,以及昆虫的数学形态特征在总科阶元上作为分类特征的可行性、可靠性和重要性.从总科角度对鳞翅目(Lepidoptera) 和鞘翅目(Coleoptera) 5个总科23种虫体图像中提取的昆虫面积、周长等11项数学形态特征进行粗糙集神经网络分析.结果表明:在总科阶元上, 11项特征的可靠性大小为,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,与赵汗青等的统计分析结果中属性特征的重要性大多数一致;神经网络模式识别结果与传统分类结果完全一致.应用粗糙集理论进行昆虫数学形态特征分类结果准确;在昆虫总科阶元分类上粗糙集神经网络较统计学方法具有优势.
国家科技期刊平台
NSTL
万方数据
维普
