鱼的年龄知识是鱼类资源评估和管理的一个重要考核指标,传统年龄估计方法就是鱼类科学家根据耳石内钙化形成的结构来判断鱼的年龄,但由于耳石的形成、发育受许多因素的影响,例如:季节的变化、温度、栖息地和饮食等,耳石的结构具有其自身的特点,人工通过耳石判断鱼类的年龄只有经验丰富的鱼类专家才能解释,即便如此,也会产生不精确的年龄估计问题。所以通过人工识别鱼的年龄仍然是一个费时、费力的难题。诸多因素决定了对鱼龄识别自动化的迫切需要。运用图像处理、模式识别等学科知识,开发出计算机辅助鱼龄自动识别系统有很大的应用价值。依据鱼的耳石图像对鱼的年龄进行解释和识别是目前鱼类年龄的研究热点,对耳石图像进行有效的特征选择和分类识别在鱼龄识别系统的开发研究中占有重要的地位。本文结合耳石图像的特点,提出了基于主成分分析(PCA)和核主成分分析(KPCA)的特征选择方法,并结合模式识别的分类原理、比较各种可用于模式识别的分类决策方法,提出了基于支持向量机(SVM)和概率支持向量机(PPSVM)的分类算法。具体包括:1.基于PCA和SVM的鱼龄识别方法。该方法首先获得鱼的耳石图像的特征,然后通过主成分分析的方法来提取这些特征的主元,接着将这些主元输入到支持向量机中进行训练,然后通过支持向量机来对鱼的分类结果进行决策。2.基于KPCA和SVM的鱼龄识别方法。与主成分分析的方法不同的是该方法通过核主成分分析的方法来提取鱼的耳石图像特征的主元,然后用支持向量机对鱼的年龄进行分类。实验证明核主成分分析的方法可以得到更好的识别效果。3.基于KPCA和概率支持向量机(PPSVM)的鱼龄识别方法。该方法将概率应用到支持向量机中去,使得支持向量机的分类结果具有概率特性,不仅能得到样本所属的类,而且还能得到属于该类的概率。