λ-可加模糊测度的一般形式及分布特征

指出在信息处理与决策中应用λ-可加模糊信息测度评价信息的必要性。讨论λ-可加模糊测度的转换函数构造法,给出其转换函数的一般形式,并指出λ-可加模糊测度分布函数的性质,重点分析经典分布参数的变化对λ-可加模糊测度的影响,进而说明:λ-可加模糊测度是一种刻画理性多样性的有效方式,它可用于表达决策人或行为人对共同的小概率事件的激进或者保守的评价。     

最小角回归结合核极限学习机的近红外光谱对柑橘黄龙病的鉴别

传统的柑橘黄龙病检测方法存在准确度低、稳定性差等问题,该文提出了一种基于最小角回归结合核极限学习机(Least angle regression combined with kernel extreme learning machine,LAR-KELM_((RBF)))的近红外柑橘黄龙病鉴别方法。该方法将光谱数据通过小波变换进行预处理,然后用最小角回归(LAR)算法进行光谱波长的筛选,最后通过核极限学习机(KELM_((RBF)))实现样本的分类。实验采用柑橘叶片的近红外光谱数据,验证了LAR-KELM_((RBF))算法的性能,其分类准确度最高为99.91%,标准偏差为0.11。不同规模训练集的实验结果表明,LAR-KELM_((RBF))模型较极限学习机(ELM)、波形叠加极限学习机(SWELM)、反向传播神经网络(BP_((2层)))、KELM_((RBF))和支持向量机(SVM)模型分类准确度高、稳定性强,能够广泛应用于柑橘黄龙病的检测鉴别。