|
|||||
|
|
| 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 | |
| 作者姓名： | 陈文丽 王其滨 路皓翔 杨辉华 刘彤 许定舟 杜文川 |
| 作者单位： | 1.桂林电子科技大学计算机与信息安全学院;2.桂林电子科技大学电子工程与自动化学院;3.北京邮电大学自动化学院;4.广州迅动网络科技有限公司 |
| 基金项目： | 国家自然科学基金项目(21365008,61105004);广西自动检测技术与仪器重点实验室主任基金项目(YQ18108);广西科技计划项目（桂科AD19245202） |
| 摘 要： | 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(Leastangleregressioncombinedwithkernelextremelearningmachine,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011。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。 |
| 关 键 词： | 近红外光谱 柑橘黄龙病 变量筛选 核极限学习机 最小角回归 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《分析测试学报》浏览原始摘要信息 | |
| 点击此处可从《分析测试学报》下载全文 | |