- 相關推薦
基于近紅外光譜技術與支持向量機的苜蓿秋眠類型測定研究
摘要：提出出了一種基于近紅外光譜分析技術快速無損測定苜蓿秋眠類型的新方法.應用近紅外光譜漫反射技術測定苜蓿樣本的光譜并對其進行主成分分析(PCA),根據主成分的累積貢獻率選取前10個主成分建立支持向量機(SVM)分類模型,并對其參數及核函數類型進行了詳細的分析和討論.試驗結果表明,當c=0.339 2,g=32時,測試集的預測準確率可達98.182%,可以作為初步測定苜蓿秋眠類型的手段之一.同時,與主成分回歸分析、偏最小二乘法、BP神經網絡、LVQ神經網絡等方法相比較的結果表明,PCA-SVM模型可以有效地解決小樣本問題,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： 北京林業大學草地資源與生態實驗室,北京,100083北京林業大學水土保持與沙漠化防治教育部重點實驗室,北京,100083 期 刊： 光譜學與光譜分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(6) 分類號： S132 關鍵詞： 苜蓿秋眠性 近紅外光譜 主成分分析 支持向量機 機標分類號： O65 TL4 機標關鍵詞： 近紅外光譜技術 支持向量機 苜蓿秋眠 無損測定 Model Support Vector Machine Near Infrared 主成分回歸分析 近紅外光譜分析技術 LVQ神經網絡 偏最小二乘法 主成分分析 預測準確率 小樣本問題 累積貢獻率 試驗結果 分類模型 局部極小 技術測定 新方法 基金項目： 國家(863計劃)項目，國家科技支撐項目 基于近紅外光譜技術與支持向量機的苜蓿秋眠類型測定研究[期刊論文] 光譜學與光譜分析 --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快速無損測定苜蓿秋眠類型的新方法.應用近紅外光譜漫反射技術測定苜蓿樣本的光譜并對其進行主成分分析(PCA),根據主成分的累積貢獻率選取前10個主成分建立支持向量機(SVM)分類模型,...【基于近紅外光譜技術與支持向量機的苜蓿秋眠類型測定研究】相關文章：
基于支持向量機的紅外成像跟蹤算法04-27
基于近紅外光譜技術的農作物病害診斷04-27
玉米自交系品質性狀的近紅外光譜測定04-30
基于支持向量機的浙江汛期旱澇預測方法研究05-02
基于支持向量機的車型分類的設計05-02
異穗卷柏的顯微與近紅外光譜鑒定研究04-26