摘要： 针对鹅膏真菌分类的问题,区别于传统人工分类方法操作比较复杂,分类速度慢的问题。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。模型前期采用最值归一化的方法对数据进行预处理,其次以支持向量机作为分类器,选择线性函数作为核函数,同时使用交叉验证算法来寻找最优的惩罚系数C,通过混淆矩阵来分析数据分类处理中产生的误差,最后对试验中两种最优核函数的改进混合,使得模型的精准率在一定程度上达到最优。在分类模型中,将15个鹅膏属真菌的形态特征作为分类依据,并且给予相关属种的分类指标。在将数据进行相关要求划分后,将数据分为训练集和测试集,用训练集数据进行分类模型的建立,测试集数据验证其分类精准度。通过试验得出最后测试模型的精准度达到91.43%,训练模型的测试得分达到97.59%,在进行核函数的混合改进后测试模型的精准度以及训练模型的精准度都达到100%。