【论文精选】一种决策树分类模型识别奶牛运动行为-农业工程学报

《农业工程学报》2018年第34卷第18期刊载了河南科技大学王俊、张海洋、赵凯旋和刘刚的论文——“基于最优二叉决策树分类模型的奶牛运动行为识别”曾亚君。该研究由“十三五”国家重点研发计划课题（2018YFD0500705）等资助鸿蒙创世决。
奶牛运动行为是奶牛健康和福利水平的重要指标朱玟晞。例如窝藏兔小姐，奶牛患蹄病时甄心爱桦，站立时间明显减少；平躺时间过长，奶牛患病可能性较大；奶牛发情时，慢走时间增长，可达正常状态下的6倍，琴葛蕾快走行为出现频次增加，影响产奶量王喜光。站立动作、躺卧动作行为出现的频率，与奶牛疾病、舒适度均有较强的关联性。实时判别上述6类奶牛行为强度（数量、持续时间、频率），可及早发现疾病、提升福利水平异界画圣。
目前呜呜祖拉，奶牛行为判别主要依靠人工观测板凳狗，劳动强度大、工作效率低、主观性强。相关研究人员提出了多种机器学习方法判别奶牛运动行为王晓男，相较于其他机器学习算法乔若熙，决策树算法具有运算复杂度低、稳定性好、直观易懂等优点，但由于分裂属性阈值选取无确定规则、全局优化效果差大破量子危机，随着分类数量的增加，奶牛行为整体识别率不可避免地降低。针对传统决策树算法无法合理选取最优阈值而影响奶牛运动行为分类准确率的问题汤原天气，该文提出一种基于最优二叉决策树分类模型的奶牛运动行为识别方法
首先选取描述奶牛腿部三轴加速度数值大小、对称性、陡峭程度、变异程度、不确定性及夹角的24个统计特征量，其次通过构建ROC曲线获得各统计特征量的最佳行为类别分组方式及最优阈值鹃的组词，然后利用信息增益作为最优二叉决策树划分属性的选择标准康妮·塔波特，最终构建最优二叉决策树分类模型对奶牛运动行为进行分类识别。
试验结果表明cj女，该分类模型能够有效区分奶牛的站立、平躺、慢走、快走、站立动作、躺卧动作6种运动行为，平均准确率、平均精度、平均F1值分别为76.47%、76.83%、76.57%，相较传统的ID3决策树算法分别高5.71、5.4和5.61个百分点，分别高于K-means聚类算法7.51、8.02和7.77个百分点代号飞鸟行动，优于支持向量机算法6.77、6.72和6.57个百分点文安吧。
长按识别二维码 关注