基于翅振频率的人工神经网络方法在蚊虫分类中的应用研究

论文摘要

论文利用昆虫翅振频率记录仪(Qubit Systems, Inc., Canada,2001)和瞬时波形记录系统Transient Waveform Recorder(V2.0, WfRec.Qubit Systems,Canada,2001)记录覆蚊亚属(Subgenus Stegomyia Theohbaldde)的白纹伊蚊(Aedes albopictus(Skuse))和埃及伊蚊(Aedes aegypti(Linnaeus))及库蚊亚属(Subgenus Culex Linnaeus)的致倦库蚊(Culex pipiens quinquefasciatus Say),淡色库蚊(Culex pipiens pallens (Coquillett))和骚扰库蚊(Culex pipiens molestus Forskal)雌雄虫的翅振波形,并利用在MATLAB环境下编制的波形信号分析程序提取波形数据的频谱特征。分别以波形数据、翅振频率及波形数据和翅振频率为特征值建立人工神经网络对蚊虫的翅振频率进行自动鉴定。同时论文还分析了温度、吸血对雌蚊翅振频率的影响及体重、翅长和雌蚊翅振频率的相关关系。 翅振波形记录的研究结果表明,五种蚊虫的翅振波形均为相似的正弦波;翅振频率变化比较大,有不同范围、不同程度的重叠,范围从379Hz(致倦库蚊雌虫)到632Hz(淡色库蚊雄虫)。蚊虫种间翅振频率的差异显著,种内雌雄虫翅振频率差异除致倦库蚊外都显著。 吸血对雌蚊翅振频率的影响研究表明,吸血的雌蚊和未吸血的雌蚊翅振频率存在显著差异(df=58,P<0.001),五种雌蚊吸血和未吸血翅振频率变化明显,翅振频率平均高出49.61Hz。 温度对雌蚊翅振频率的影响研究中,所设置的5个温度梯度中翅振频率的差异都显著(P<0.05),说明温度对这四种雌蚊的翅振频率有影响;同时从结果中可以看出相对低温(<26℃)对该雌蚊翅振频率影响不明显,高温(>26℃)影响相对比较明显。在体重、翅长和雌蚊翅振频率的相关性研究中,发现体重和翅振频率之间都没有显著的相关性(P>0.05),而翅长和翅振频率都存在着极显著的负相关关系(P<0.01)。 人工神经网络对蚊虫的识别研究中,以翅振波形的频率分量作为特征向量训练的BP人工神经网络有较好的识别率,特别是对几种雄性蚊虫识别率较高,均在75%以上;对雌蚊识别率相对较低。以翅振波形数据和以它及频率分量一起作为特征向量训练的人工神经网络识别率较低,平均分别仅为35.11%、59.77%。结果表明利用蚊虫翅振波形并不能达到蚊虫识别的目的,而翅振频域特征具有较好的识别效果;由此可看出,

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 昆虫分类方法概述
• 1.1.1 形态学分类方法
• 1.1.2 非形态学分类方法
• 1.1.2.1 分子生物学技术在昆虫分类中的应用
• 1.1.2.2 数学形态学特征在昆虫分类中的应用
• 1.1.2.3 昆虫表皮碳氢化合物在分类中的应用
• 1.1.2.4 遗传手段--核型分析在昆虫分类中的应用
• 1.1.2.5 性信息素在昆虫分类中的应用
• 1.1.3 需要深入探讨的昆虫分类学的问题
• 1.2 蚊虫分类方法概述
• 1.2.1 蚊虫分类中的分子分类方法
• 1.2.2 蚊虫分类中新的方法探索
• 1.3 人工神经网络技术在昆虫中的应用
• 1.3.1 人工神经网络的特点
• 1.3.2 典型人工神经网络简介
• 1.3.2.1 多层感知神经网络
• 1.3.2.2 竞争型神经网络简介
• 1.3 2.3 Hopfield神经网络简介
• 1.3.3 人工神经网络在昆虫中的应用
• 1.4 立题依据与研究意义
• 第二章 五种蚊虫的翅振频率
• 2.1 材料与方法
• 2.1.1 供试蚊虫
• 2.1.1.1 蚊虫的选择
• 2.1.1.2 蚊虫的饲养
• 2.1.2 实验仪器和设备
• 2.1.3 翅振波形记录的准备
• 2.1.3.1 记录的时间和环境
• 2.1.3.2 计算机声卡的设置
• 2.1.4 翅振波形记录
• 2.1.4.1 记录装置
• 2.1.4.2 软件设置
• 2.1.5 数据处理
• 2.1.5.1 翅振波形数据格式的转化
• 2.1.5.2 频谱特征的提取
• 2.2 结果与分析
• 2.2.1 五种蚊虫的翅振波形
• 2.2.2 五种蚊虫的翅振频率
• 2.3 讨论
• 第三章 吸血对雌蚊翅振频率的影响
• 3.1 材料与方法
• 3.1.1 供试蚊虫
• 3.1.1.1 蚊虫的选择
• 3.1.1.2 蚊虫的饲养
• 3.1.2 实验仪器和设备
• 3.1.3 翅振波形记录的准备
• 3.1.4 翅振波形记录
• 3.1.5 数据处理
• 3.2 结果与分析
• 3.3 讨论
• 第四章 温度对雌蚊翅振频率的影响
• 4.1 材料与方法
• 4.1.1 供试蚊虫
• 4.1.1.1 蚊虫的选择
• 4.1.1.2 蚊虫的饲养
• 4.1.2 温度的设置
• 4.1.3 翅振波形记录的准备
• 4.1.4 翅振波形记录
• 4.1.5 数据处理
• 4.2 结果与分析
• 4.3 讨论
• 第五章 雌蚊体重、翅长及其与翅振频率的关系
• 5.1 材料与方法
• 5.1.1 供试蚊虫
• 5.1.1.1 蚊虫的选择
• 5.1.1.2 蚊虫的饲养
• 5.1.2 翅振波形记录的准备
• 5.1.3 翅振波形记录
• 5.1.4 体重的称量
• 5.1.5 翅长的测量
• 5.1.6 数据处理
• 5.2 结果与分析
• 5.3 讨论
• 第六章 人工神经网络对蚊虫种类的分类鉴定
• 6.1 材料与方法
• 6.1.1 供试蚊虫
• 6.1.1.1 蚊虫的选择
• 6.1.1.2 蚊虫的饲养
• 6.1.2 翅振波形记录的准备
• 6.1.3 翅振波形记录
• 6.1.4 数据处理
• 6.1.5 人工神经网络方法
• 6.1.5.1 人工神经网络的结构和工作原理
• 6.1.6 面向MATLAB的 BP型人工神经网络的建立
• 6.2 结果与分析
• 6.3 讨论
• 第七章 结论与讨论
• 7.1 结论
• 7.2 尚待进一步研究的问题
• 7.2.1 翅振频率及其影响因素的广泛研究
• 7.2.2 翅振频率在行为学和生理学中作用的深入研究
• 参考文献
• 附录
• 致谢
• 作者简介