- 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(lèi)型測(cè)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(wú)損測(cè)定苜蓿秋眠類(lèi)型的新方法.應(yīng)用近紅外光譜漫反射技術(shù)測(cè)定苜蓿樣本的光譜并對(duì)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(lèi)模型,并對(duì)其參數(shù)及核函數(shù)類(lèi)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(cè)試集的預(yù)測(cè)準(zhǔn)確率可達(dá)98.182%,可以作為初步測(cè)定苜蓿秋眠類(lèi)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(wèn)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(lèi)號(hào)： 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(lèi)號(hào)： 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(wú)損測(cè)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(cè)準(zhǔn)確率 小樣本問(wèn)題 累積貢獻(xiàn)率 試驗(yàn)結(jié)果 分類(lèi)模型 局部極小 技術(shù)測(cè)定 新方法 基金項(xiàng)目： 國(guó)家(863計(jì)劃)項(xiàng)目，國(guó)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(lèi)型測(cè)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(wú)損測(cè)定苜蓿秋眠類(lèi)型的新方法.應(yīng)用近紅外光譜漫反射技術(shù)測(cè)定苜蓿樣本的光譜并對(duì)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(lèi)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(lèi)型測(cè)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(dòng)紅外式結(jié)冰冰型分類(lèi)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
玉米自交系品質(zhì)性狀的近紅外光譜測(cè)定04-30
基于支持向量機(jī)的浙江汛期旱澇預(yù)測(cè)方法研究05-02
基于支持向量機(jī)的車(chē)型分類(lèi)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