HRFSVM:使用混合随机森林和支持矢量机器识别鱼类疾病

科学领域:

• 水产养殖是水产养殖的一种方式.
• 鱼类健康管理 鱼类健康管理
• 机器学习应用 机器学习应用

背景情况:

• 水产养殖鱼类疾病威胁全球粮食安全.
• 难以区分相似的鱼类种类使得早期疾病检测变得复杂.
• 缺乏基础设施阻碍了在水产养殖中及时识别受感染的鱼类.

研究的目的:

• 提出一种机器学习技术,用于识别和分类鱼类疾病.
• 开发一种基于深度卷积神经网络 (DCNN) 的方法.
• 为了提高水产养殖中疾病检测的准确性.

主要方法:

• 一个新的混合算法,优化算法与遗传算法 (WOA-GA) 和殖民地优化,被开发用于全球优化.
• 一种混合的随机森林算法被用于分类.
• 设计了一个基于WOA-GA的DCNN架构,并与现有的机器学习方法进行了比较.

主要成果:

• 拟议的基于WOA-GA的DCNN架构与当前方法相比显示出更好的质量和区别.
• 评估了性能指标,包括灵敏度,特异性,准确性,精度,回忆,F-测量,NPV,FPR,FNR和MCC.
• 使用MATLAB.有效性得到验证.

结论:

• 开发的机器学习技术对在水产养殖中早期和准确识别鱼类疾病充满希望.
• 混合WOA-GA优化与DCNN相结合,为疾病分类提供了一个强大的方法.
• 这一进步可以大大有助于维护水产养殖生产率和粮食供应.