随着现代农业的发展,越来越多的计算机技术与农产品产业相结合,因此,将鹅膏菌研究与机器学习算法相结合是必然的趋势。真菌界、担子菌门、担子菌纲、伞菌目、鹅膏菌科、鹅膏属种中一类真菌统称为鹅膏菌,鹅膏菌具有广泛的应用前景,以及经济、生态价值,尤其在生物防治、开发新型特效药等领域,有着不俗的表现。鹅膏菌广布世界各大洲,其中除了一些是可食用的菌种之外,还有一些剧毒菌种,因此对其进行有效的分类可以提高食品的安全性,研究建立相关可分类模型也是必不可少的内容。很多机器学习方法都可以对数据进行优秀的处理与分类模型的建立,基于鹅膏菌特征数据考虑,SVM(支持向量机)方法更加适合,其在解决小样本数据方面有很强的优势,在分类方法中有着亮眼的表现。本文针对当前鹅膏菌分类需要大量人力且操作复杂、速度慢的问题,从鹅膏属真菌特征形态数据入手,提出基于机器学习算法的一种分类模型。(1)首先,模型采用最值归一化的方法对数据进行预处理,采用支持向量机作为分类器,鹅膏菌特征数据验证,使用交叉验证算法寻找最优惩罚系数C,通过对比核函数支持向量机分类结果,并结合混淆矩阵分析的详细数据指标,以及分类所产生的误差,试验结果表明:线性核函数支持向量机分类器对于鹅膏菌特征数据试验来说效果最优。(2)其次,利用核函数融合思想,将试验中的较优核函数进行改进融合,且考虑到多参数问题,则利用粒子群算法进行相关参数的寻优,观察最终试验结果,选择最优混合核函数作为最终改进结果应用于SVM分类模型中,在鹅膏菌特征数据验证下,模型改进后的最终准确率达到了预期目标。(3)最后,通过测试对比混合核函数与单核函数,以及随机森林、GBDT、SVM+随机森林的试验结果,可得出结论证明:本文依据支持向量机建立的鹅膏真菌形态特征分类的模型是可行的,且最终测试集准确率达到了92.85%,改进的混合核函数支持向量机分类模型同样可行,最终测试集准确率达到了99.43%,整体提高了6.58%。