本文關(guān)鍵詞：基于地面高光譜數(shù)據(jù)鮮茶葉特征選擇與品種識別，，由筆耕文化傳播整理發(fā)布。

【摘要】：使用ASD Field3在武夷山實(shí)測的9種鮮茶葉數(shù)據(jù),該數(shù)據(jù)經(jīng)過預(yù)處理后,計(jì)算24種光譜指數(shù),用于對9種茶葉的分類,用SVM-RFE對光譜反射率數(shù)據(jù)和光譜指數(shù)數(shù)據(jù)進(jìn)行特征選擇,最后用線性SVM和隨機(jī)森林分類.檢驗(yàn)SVM分類器的性能和SVM-RFE選擇特征的適用性,其中SVM分類器在4個數(shù)據(jù)集中都達(dá)到了95%以上的分類精度.隨機(jī)森林分類器在其中3個數(shù)據(jù)集達(dá)到90%以上的精度,一個70%的精度.研究表明SVM-RFE是一個穩(wěn)定有效的特征選擇算法,并且SVM的性能優(yōu)于隨機(jī)森林.
【作者單位】： 福建師范大學(xué)地理科學(xué)學(xué)院;武夷山市仙茗巖茶廠;
【關(guān)鍵詞】： 高光譜 特征選擇 SVM-RFE 隨機(jī)森林 SVM
【基金】：國家重點(diǎn)研發(fā)計(jì)劃專項(xiàng)(2016YFC0502901)
【分類號】：S571.1;TP79
【正文快照】： 遙感技術(shù)在農(nóng)業(yè)資源調(diào)查、作物估產(chǎn)等領(lǐng)域得到廣泛的應(yīng)用,是農(nóng)業(yè)遙感的重要手段[1],但傳統(tǒng)的多光譜數(shù)據(jù)波段少,光譜分辨率低,農(nóng)作物在光譜上存在相似性,無法捕捉作物間細(xì)微的差異,無法獲得較好的識別精度,多光譜遙感對于現(xiàn)在的“精準(zhǔn)農(nóng)業(yè)”應(yīng)用存在較大的局限性.高光譜技術(shù)能

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王圓圓;李京;;基于決策樹的高光譜數(shù)據(jù)特征選擇及其對分類結(jié)果的影響分析[J];遙感學(xué)報(bào);2007年01期

  本文關(guān)鍵詞：基于地面高光譜數(shù)據(jù)鮮茶葉特征選擇與品種識別，由筆耕文化傳播整理發(fā)布。

本文編號：426748