Классификация
видов на примере грибов семейства шампиньоновых и семейства сыроежковых
порядка агариковых с помощью нейроимитаторов
Жуков Л.А., Чеглакова О.В.
Сибирский Государственный Технологический Университет
660049, Красноярск, ул.Мира 82, СибГТУ, кафедра ИТ
E-mail: it@far.sibstu.kts.ru
В настоящее время для решения
различных задач классификации и
распознавания образов все чаще применяются
нейронные сети [1]. В том числе выполнены
аналогичные работы по классификации грибов
[2], где по 21 входному признаку выполнялась
классификация грибов на 2 класса - съедобные
и ядовитые.
Цель данной работы - классификация по
видовой принадлежности грибов семейства
шампиньоновых и семейства сыроежковых,
принадлежащих к одному порядку агариковых
грибов. Исходные данные взяты из справочной
литературы [3 и др.].
Видовая принадлежность грибов
устанавливается по признакам строения их
плодовых тел. Так как в данной работе
рассматриваются шляпочные грибы, то в
качестве их характеристик взяты:
визуальные признаки грибов (шляпка гриба - форма, размер, характер поверхности;
ножка гриба - форма, длина, толщина,
наличие кольца), частично их внутреннее
строение и вкусовые
характеристики (вкус и цвет мякоти) и
другие, всего 41 признак. Для обучения сетей
были собраны данные о 64 примерах грибов,
принадлежащих к 2 семействам, из них 57
примеров грибов принадлежат к семейству
сыроежковых и 7 принадлежат к семейству
шампиньоновых. Все выбранные для обучения
данные были закодированы и введены в
созданную базу данных mushroom1.dbf. Обучение
сетей проводилось с помощью нейроимитатора
без учителя MDN, разработанного на кафедре ИТ
СибГТУ и нейроимитатора с учителем MN,
разработанного в ИВМ СОАН. Нейроимитаторы
без учителя отличаются немного более
простым алгоритмом работы, что иногда
приводит большей ошибке распознавания,
однако, временные затраты на обучения
нейронных сетей с их помощью намного меньше
- около 1 секунды.
При делении выборки на две части, одна
для обучения, вторая для тестирования, в
результате классификации с помощью MN
получено полностью правильное разделение
на 2 класса всех тестовых примеров. При
использовании нейроимитатора без учителя
MDN в первых численных экспериментах
получено 78 процентов правильных ответов.
Однако, в исходной обучающей выборке
большое различие в количестве примеров 2-х
семейств - 57 примеров семейства сыроежковых
и 7 примеров семейства шампиньоновых. Было
сокращено количество примеров грибов
семейства сыроежковых на первые 13 примеров,
в результате осталось 44 примера грибов
семейства сыроежковых и 7 примеров грибов
семейства шампиньоновых. После сокращения
обучающей выборки, созданная нейросеть
обучилась и распознала оба семейства со 100-процентной
правильностью.
Получены коэффициенты значимости
входных параметров, которые указывают на
относительную степень важности данного
параметра для получения ответа. В следующей
таблице приведено среднее значение
коэффициентов значимости.
| № п/п
| Параметр
| Среднее значение коэффициентов значимости
| Ранг
|
|---|
| 1
| Максимальный диаметр шляпки гриба
| 0.15
| 11
| | 2
| Минимальный диаметр шляпки гриба
| 0.14
| 12
| | 3
| Максимальная длина ножки гриба
| 0.14
| 12
| | 4
| Минимальная длина ножки гриба
| 0.15
| 11
| | 5
| Максимальная толщина ножки гриба
| 0.14
| 12
| | 6
| Минимальная толщина ножки гриба
| 0.17
| 10
| | 7
| Наличие в центре шляпки гриба бугорка
| 0.25
| 2
| | 8
| Шляпка полушаровидная или выпуклая
| 0.22
| 5
| | 9
| Шляпка воронковидная или вдавленная
| 0.24
| 3
| | 10
| Шляпка гриба плоская
| 0.23
| 4
| | 11
| Шляпка гриба яйцевидная
| 0.22
| 5
| | 12
| Форма ножки гриба
| 0.21
| 6
| | 13
| Ножка гриба сплошная
| 0.21
| 6
| | 14
| Наличие кольца на ножке гриба
| 0.27
| 1
| | 15
| Край гриба завернутый
| 0.22
| 5
| | 16
| Край гриба гладкий
| 0.20
| 7
| | 17
| Край гриба рубчатый
| 0.19
| 8
| | 18
| Край гриба волнистый
| 0.00
| 13
| | 19
| Мякоть гриба едкая
| 0.20
| 7
| | 20
| Цвет мякоти гриба белый
| 0.22
| 5
| | 21
| Вкус мякоти гриба
| 0.11
| 13
| | 22
| Млечный сок
| 0.21
| 6
| | 23
| Цвет спор гриба белый
| 0.19
| 8
| | 24
| Цвет спор гриба желтый
| 0.24
| 3
| | 25
| Цвет спор гриба бурый
| 0.20
| 7
| | 26
| Споры гриба шаровидные
| 0.19
| 8
| | 27
| Споры гриба шиповидные
| 0.24
| 3
| | 28
| Споры гриба овальные
| 0.21
| 6
| | 29
| Споры гриба бородавчатые
| 0.24
| 3
| | 30
| Споры гриба яйцевидные
| 0.27
| 1
| | 31
| Кожица гриба гладкая
| 0.22
| 5
| | 32
| Кожица гриба слизистая
| 0.18
| 9
| | 33
| Кожица гриба клейкая
| 0.21
| 6
| | 34
| Кожица гриба сухая
| 0.20
| 7
| | 35
| Наличие чешуек на шляпке гриба
| 0.20
| 7
| | 36
| Пластинки гриба частые
| 0.22
| 5
| | 37
| Пластинки гриба приросшие
| 0.19
| 8
| | 38
| Пластинки гриба приросшие зубцом
| 0.20
| 7
| | 39
| Пластинки гриба свободные
| 0.25
| 2
| | 40
| Пластинки гриба нисходящие
| 0.22
| 2
| | 41
| Пластинки гриба выемчатые
| 0.22
| 5
|
Работа поддержана грантом ФЦП “Интеграция”,
проект №68, направление 2.1.
Литература:
- Горбань А.Н. Россиев Д.А. Нейронные сети на персональных компьютерах., Н.: Наука, 1996
- A Fast Method for Rule Extraction in Neural Networks/ M. Abad Grau, L. Hernandez Molinero // Proc. IEEE World Congress on Computational
Intelligence, Ancorage, 1998.: WCCI'98 - Ancorage, 1998, .2337-2338
- Грибы СССР/ М.В. Горленко, М.А. Бондарцева, Л.В. Гарибова и др.; Отв. Ред. М.В. Горленко. -
М.: Мысль, 1980. - 303 с., ил., 40 л. ил. - (Справочники определители географа и путешественника)
Вернуться к основному списку
|
