期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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 被引量:5
1
作者 陈文丽 王其滨 +4 位作者 路皓翔 杨辉华 刘彤 许定舟 杜文川 《分析测试学报》 CAS CSCD 北大核心 2020年第10期1267-1273,共7页
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... 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。 展开更多
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
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部