基于系统聚类——自适应BP网络的谷物精选

提出一种基于系统聚类的自适应BP（back propagation）神经网络模型，并将其用于玉米种子等级判定。首先，通过对随机选取的样本进行多次系统聚类，获取学习样本集，包括扁形三个等级、圆形三个等级与不规则形籽粒集。然后，运用逐步判别法分析圆扁种子判别模型、扁形与圆形种子判别模型，从11个形态特征中剔除对各模型无效的特征参数。最后，构建自适应BP神经网络，并级联多个自适应BP分类器，实现玉米种子7个等级的判定。自适应BP神经网络采用弹性BP算法训练网络，运用Nguyen-Windrow法优化网络初始值，以提高网络收敛速度，避免网络陷入局部极小值。试验结果表明，聚类后各等级种子的均匀度较好，且级联网络的平均正确识别率达90%。