基于回归算法与决策树思想的秦艽产地划分

目的:药材产地对药材品质优劣影响很大,不同产地秦艽品质差异较大,使用秦艽样本近红外光谱数据构建模型,实现秦艽样本产地划分。方法:将多元线性回归算法(MLR)、偏最小二乘回归算法(PLS)、支持向量回归算法(SVR)和岭回归算法(RR)与决策树思想相结合对样本进行分类。结果:秦艽数据集包含207个样本,其中107个样本来自甘肃玛曲县,100个秦艽样本来自甘肃临洮县,模型的误判率在0.3%左右。结论:将回归算法与决策树思想相结合的方法可以提高模型的性能,使得算法既拥有回归算法强大的拟合能力,又拥有决策树的分类能力。在秦艽样本数据上得到了很好的分类效果。

小麦近红外光谱数据预处理

本文目的是针对光谱数据可能存在的基线漂移、散射、噪声以及数据量纲等问题,可使用数学方法对光谱数据进行校正。方法是在Wheat kernels数据集上,使用导数法和SNV对数据进行预处理,对比预处理前后数据集上构建模型的效果。得出的结论是使用多元线性回归、偏最小二乘回归、岭回归、支持向量回归方法在预处理后的数据集上构建的模型效果明显比原始数据集上构建的模型效果好。