论文部分内容阅读
由于许多类型的蘑菇都是有毒的,近年来在野外和森林中采摘野生蘑菇用于食物而导致中毒已成为人们密切关注的问题,正确并快速地确定蘑菇是否有毒是其采摘活动的关键安全问题,这在各国广泛传播。本文设计了一个基于移动设备的应用程序,能比较快速且方便地确定蘑菇的毒性,这个方法支持使用移动设备的蘑菇毒性检测建议系统来确定蘑菇的毒性,且很容易被用户使用。本文主要进行了以下三部分工作:1、蘑菇数据特征优化选择。本课题选用的标准蘑菇数据集中每一个样本具有1个类标签和22个特征,但是这22个特征对得出它们的类标签影响不同,本文通过使用CART算法优化选取出了5个最关键的属性,进而提升了算法的准确率和运行效率。2、最优算法选取。本文对蘑菇数据集分别实现了朴素贝叶斯、决策树、支持向量机三种常用机器学习算法,分别对三种算法的准确率、F值、10折交叉指数等方面进行评估分析,在兼顾算法准确率和运行效率的前提下,对比分析选取了决策树算法模型应用到移动终端识别应用程序中;3、移动终端的设计。课题选用Android studio开发环境和Python程序分别开发了移动终端和模型预测服务端应用程序,将蘑菇特征数据和预测结果在云端存储,同时利用云端API接口和客户端、服务端进行数据的收发,最终形成一个简单易用的蘑菇毒性识别建议系统。通过对蘑菇数据特征的优化选取和三种机器学习算法的分析评估后,综合考虑准确率和运行效率需求,设计了客户端-云端-服务端架构的毒蘑菇识别应用程序,使得用户无论在何时何地都可以快捷地预测蘑菇是否有毒,具有一定的实用意义。