相比傳統(tǒng)方法,光譜法進(jìn)行土壤分析具有低成本、高效、無損的優(yōu)點(diǎn)。提出了基于粒子群優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的土壤光譜分析模型,以達(dá)到快速、高效、準(zhǔn)確的土壤元素分析。選用粒子群算法對卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化,進(jìn)一步提升CNN的預(yù)測準(zhǔn)確率。結(jié)果表明,相比傳統(tǒng)的CNN,PLS,LSSVM等建模方法,所提出的模型具有更高的預(yù)測準(zhǔn)確率。 

【文章頁數(shù)】：2 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于深度稀疏學(xué)習(xí)的土壤近紅外光譜分析預(yù)測模型[J]. 王儒敬,陳天嬌,汪玉冰,汪六三,謝成軍,張潔,李瑞,陳紅波.  發(fā)光學(xué)報. 2017(01)

博士論文
[1]基于可見光近紅外光譜的土壤成分預(yù)測模型研究[D]. 史楊.中國科學(xué)技術(shù)大學(xué) 2018

碩士論文
[1]基于粒子群算法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[D]. 白燕燕.內(nèi)蒙古大學(xué) 2019



本文編號：3668689