基于机器学习的微量农药光谱预测模型

发布时间：2021-08-30 02:13

　　以微量农药近红外光谱数据为研究对象,分别采用k近邻分类算法（k-nearest neighbor,k-NN）、朴素贝叶斯分类器（naive Bayesian classifier）、支持向量机（support vector machine,SVM）算法、极限学习机（extreme learning machine,ELM）等不同机器学习算法对其进行不同浓度分类判别分析。研究结果表明,k近邻分类算法、支持向量机算法、极限学习机算法均取得了较好的分类预测精度,分类预测精度均达到90%以上,其中极限学习机算法训练速度最快,对于大样本数据具有较好的解析精度和分析速度。机器学习算法为实现光谱快速分析检测提供了新的思路和有效解决办法。 

【文章来源】：北京信息科技大学学报(自然科学版). 2020,35(02)

【文章页数】：5 页

【部分图文】：

ELM分类结果

朴素贝叶斯算法分类结果

SVM分类结果

【参考文献】：
期刊论文
[1]高光谱成像在鱼肉品质无损检测中的研究进展[J]. 王慧,何鸿举,刘璐,马汉军,刘玺,莫海珍,刘儒彪,潘润淑,康壮丽,朱明明,赵圣明,王正荣.  食品科学. 2019(05)



本文编号：3371854