近红外光谱黄龙病鉴别的自编码网络建模方法研究

发布时间:2020-12-30 05:36
  近红外光谱(NIRS)分析技术具有无损、高效等优点,在药品鉴别、疾病诊断等领域应用极为广泛。针对NIRS分析技术在柑橘黄龙病鉴别方面的应用,虽然传统机器学习算法可以实现柑橘黄龙病的鉴别,但其鉴别的准确率较低、稳定性较差。其次柑橘叶片的近红外光谱数据存在维度较高、谱带较宽且重叠等问题,制约了模型的鉴别能力。深度学习算法具有较好的深层特征提取能力,文中将深度学习算法应用于解决NIRS柑橘黄龙病鉴别及近红外光谱分析模型通用性较差的问题,具体研究内容如下:(1)提出了堆栈降噪自编码结合随机森林(SDAE-RF)的柑橘黄龙病鉴别方法。针对SDAE网络鉴别准确率较低且时间复杂度较高的问题,文中采用RF代替SDAE顶层的Softmax分类和反向微调阶段,达到缩短运行时间提高鉴别准确率的目的。文中以柑橘叶片近红外光谱数据为实例,以SDAE、RF、SVM、ELM、SWELM和BP作为对比方法验证SDAE-RF在不同规模训练集下的性能。结果表明,SDAE-RF方法在不同规模训练集下均表现出了较高的鉴别准确率和较强的稳定性。(2)提出了压缩自编码结合极限学习机(CAE-ELM)的柑橘黄龙病鉴别方法。该模型采... 

【文章来源】:桂林电子科技大学广西壮族自治区

【文章页数】:67 页

【学位级别】:硕士

【部分图文】:

近红外光谱黄龙病鉴别的自编码网络建模方法研究


近红外光谱定性分析判别流程

示意图,算法,示意图,模型传递


第二章 神经网络和模型传递简介s mF X X+= 光谱仪上测得的光谱记为sX ,其广义逆矩F 是m 维的方阵。谱仪器测得光谱信息记为sunknownX ,结合上正,即s munknown unknownX F = X的光谱矩阵向主仪器上光谱矩阵的转换。从仪器之间模型传递的基本思想[51]是:根i 附近的光谱矩阵为s , j k1X+ +和从仪器上测转换矩阵。最后通过波长点 i 的移动实现图 2-8 所示。

模型,自编码,样本,算法思想


本思想是依据 Bootstrap 策略对样本进行本的训练集,使得随机森林算法相对于传果可靠性较强等优点。假设样品 x具有M§3.2 SD§3.2.1 算法思想堆栈降噪自编码主要包括网络参数的解阶段,按照网络每一层的输出作为上一将多个决策树根据随机选取分裂属性集的本分类结果进行投票决策实现样本类别判分类准确率和较强的稳定性。本文融合 S分类、回归分析能力提出了 SDAE-RF 鉴x Input data

【参考文献】:
期刊论文
[1]基于稳定一致波长筛选的无标样近红外光谱模型传递方法[J]. 倪力军,韩明月,张立国,栾绍嵘.  分析化学. 2018(10)
[2]R44型直升机喷雾防治柑橘木虱的效果初报[J]. 邓铁军,白先进,廖宪成,刘喜献,刘丽辉,肖志科.  植物保护. 2018(04)
[3]基于可见与近红外光谱联用的柑桔黄龙病快速无损检测研究[J]. 刘燕德,肖怀春,孙旭东,韩如冰,叶灵玉,黄亮,肖禹松,廖小红.  光谱学与光谱分析. 2018(02)
[4]基于集成学习的口令强度评估模型[J]. 宋创创,方勇,黄诚,刘亮.  计算机应用. 2018(05)
[5]基于近红外技术柑橘黄龙病田间快速检测方法研究[J]. 饶敏,桂家祥,卢占军,肖青青,张岑.  植物保护. 2017(06)
[6]Recent Progresses in Deep Learning Based Acoustic Models[J]. Dong Yu,Jinyu Li.  IEEE/CAA Journal of Automatica Sinica. 2017(03)
[7]DOSC-SBC在近红外定量模型批次间传递中的应用[J]. 贾一飞,张盈盈,徐冰,王安冬,詹雪艳.  中国中药杂志. 2017(12)
[8]基于最小角回归与GA-PLS的NIR光谱变量选择方法[J]. 颜胜科,杨辉华,胡百超,任超超,刘振丙.  光谱学与光谱分析. 2017(06)
[9]多尺度建模在近红外光谱模型传递中的应用[J]. 陈达,卢帆,李奇峰.  纳米技术与精密工程. 2017(02)
[10]正常、缺素和黄龙病柑桔叶片高光谱成像快速诊断[J]. 孙旭东,刘燕德,肖怀春,张智诚,李泽敏,吕强.  光谱学与光谱分析. 2017(02)

硕士论文
[1]压缩自编码字典下的多机制邻域嵌入超分辨率重建算法[D]. 刘鹏.华南理工大学 2015
[2]广西柑橘生产与科技现状分析及其对策研究[D]. 李丁.广西大学 2014
[3]广西柑橘产业发展潜力研究[D]. 吴卫亚.广西大学 2012



本文编号:2947090

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/dzwbhlw/2947090.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b44f3***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com