- 相關(guān)推薦
基于近紅外光譜技術(shù)與支持向量機(jī)的苜蓿秋眠類型測定研究
摘要：提出出了一種基于近紅外光譜分析技術(shù)快速無損測定苜蓿秋眠類型的新方法.應(yīng)用近紅外光譜漫反射技術(shù)測定苜蓿樣本的光譜并對其進(jìn)行主成分分析(PCA),根據(jù)主成分的累積貢獻(xiàn)率選取前10個(gè)主成分建立支持向量機(jī)(SVM)分類模型,并對其參數(shù)及核函數(shù)類型進(jìn)行了詳細(xì)的分析和討論.試驗(yàn)結(jié)果表明,當(dāng)c=0.339 2,g=32時(shí),測試集的預(yù)測準(zhǔn)確率可達(dá)98.182%,可以作為初步測定苜蓿秋眠類型的手段之一.同時(shí),與主成分回歸分析、偏最小二乘法、BP神經(jīng)網(wǎng)絡(luò)、LVQ神經(jīng)網(wǎng)絡(luò)等方法相比較的結(jié)果表明,PCA-SVM模型可以有效地解決小樣本問題,且可以避免陷入局部極小. 作者： 王紅柳[1] 岳征文[2] 盧欣石[1] Author： WANG Hong-liu[1] YUE Zheng-wen[2] LU Xin-shi[1] 作者單位： 北京林業(yè)大學(xué)草地資源與生態(tài)實(shí)驗(yàn)室,北京,100083北京林業(yè)大學(xué)水土保持與沙漠化防治教育部重點(diǎn)實(shí)驗(yàn)室,北京,100083 期 刊： 光譜學(xué)與光譜分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(6) 分類號： S132 關(guān)鍵詞： 苜蓿秋眠性 近紅外光譜 主成分分析 支持向量機(jī) 機(jī)標(biāo)分類號： O65 TL4 機(jī)標(biāo)關(guān)鍵詞： 近紅外光譜技術(shù) 支持向量機(jī) 苜蓿秋眠 無損測定 Model Support Vector Machine Near Infrared 主成分回歸分析 近紅外光譜分析技術(shù) LVQ神經(jīng)網(wǎng)絡(luò) 偏最小二乘法 主成分分析 預(yù)測準(zhǔn)確率 小樣本問題 累積貢獻(xiàn)率 試驗(yàn)結(jié)果 分類模型 局部極小 技術(shù)測定 新方法 基金項(xiàng)目： 國家(863計(jì)劃)項(xiàng)目，國家科技支撐項(xiàng)目 基于近紅外光譜技術(shù)與支持向量機(jī)的苜蓿秋眠類型測定研究[期刊論文] 光譜學(xué)與光譜分析 --2011, 31(6)王紅柳 岳征文 盧欣石提出出了一種基于近紅外光譜分析技術(shù)快速無損測定苜蓿秋眠類型的新方法.應(yīng)用近紅外光譜漫反射技術(shù)測定苜蓿樣本的光譜并對其進(jìn)行主成分分析(PCA),根據(jù)主成分的累積貢獻(xiàn)率選取前10個(gè)主成分建立支持向量機(jī)(SVM)分類模型,...【基于近紅外光譜技術(shù)與支持向量機(jī)的苜蓿秋眠類型測定研究】相關(guān)文章：
基于支持向量機(jī)的紅外成像跟蹤算法04-27
基于支持向量機(jī)的主動紅外式結(jié)冰冰型分類方法研究04-28
基于近紅外光譜技術(shù)的農(nóng)作物病害診斷04-27
基于支持向量機(jī)的浙江汛期旱澇預(yù)測方法研究05-02
基于支持向量機(jī)的車型分類的設(shè)計(jì)05-02
基于支持向量機(jī)的裝載機(jī)齒輪箱故障智能診斷研究05-02
異穗卷柏的顯微與近紅外光譜鑒定研究04-26