近紅外光譜（NIRS）分析技術(shù)具有無(wú)損、高效等優(yōu)點(diǎn),在藥品鑒別、疾病診斷等領(lǐng)域應(yīng)用極為廣泛。針對(duì)NIRS分析技術(shù)在柑橘黃龍病鑒別方面的應(yīng)用,雖然傳統(tǒng)機(jī)器學(xué)習(xí)算法可以實(shí)現(xiàn)柑橘黃龍病的鑒別,但其鑒別的準(zhǔn)確率較低、穩(wěn)定性較差。其次柑橘葉片的近紅外光譜數(shù)據(jù)存在維度較高、譜帶較寬且重疊等問(wèn)題,制約了模型的鑒別能力。深度學(xué)習(xí)算法具有較好的深層特征提取能力,文中將深度學(xué)習(xí)算法應(yīng)用于解決NIRS柑橘黃龍病鑒別及近紅外光譜分析模型通用性較差的問(wèn)題,具體研究?jī)?nèi)容如下:（1）提出了堆棧降噪自編碼結(jié)合隨機(jī)森林（SDAE-RF）的柑橘黃龍病鑒別方法。針對(duì)SDAE網(wǎng)絡(luò)鑒別準(zhǔn)確率較低且時(shí)間復(fù)雜度較高的問(wèn)題,文中采用RF代替SDAE頂層的Softmax分類(lèi)和反向微調(diào)階段,達(dá)到縮短運(yùn)行時(shí)間提高鑒別準(zhǔn)確率的目的。文中以柑橘葉片近紅外光譜數(shù)據(jù)為實(shí)例,以SDAE、RF、SVM、ELM、SWELM和BP作為對(duì)比方法驗(yàn)證SDAE-RF在不同規(guī)模訓(xùn)練集下的性能。結(jié)果表明,SDAE-RF方法在不同規(guī)模訓(xùn)練集下均表現(xiàn)出了較高的鑒別準(zhǔn)確率和較強(qiáng)的穩(wěn)定性。（2）提出了壓縮自編碼結(jié)合極限學(xué)習(xí)機(jī)（CAE-ELM）的柑橘黃龍病鑒別方法。該模型采... 

【文章來(lái)源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

近紅外光譜定性分析判別流程

第二章 神經(jīng)網(wǎng)絡(luò)和模型傳遞簡(jiǎn)介s mF X X+= 光譜儀上測(cè)得的光譜記為sX ，其廣義逆矩F 是m 維的方陣。譜儀器測(cè)得光譜信息記為sunknownX ，結(jié)合上正，即s munknown unknownX F = X的光譜矩陣向主儀器上光譜矩陣的轉(zhuǎn)換。從儀器之間模型傳遞的基本思想[51]是：根i 附近的光譜矩陣為s , j k1X+ +和從儀器上測(cè)轉(zhuǎn)換矩陣。最后通過(guò)波長(zhǎng)點(diǎn) i 的移動(dòng)實(shí)現(xiàn)圖 2-8 所示。

本思想是依據(jù) Bootstrap 策略對(duì)樣本進(jìn)行本的訓(xùn)練集，使得隨機(jī)森林算法相對(duì)于傳果可靠性較強(qiáng)等優(yōu)點(diǎn)。假設(shè)樣品 x具有M§3.2 SD§3.2.1 算法思想堆棧降噪自編碼主要包括網(wǎng)絡(luò)參數(shù)的解階段，按照網(wǎng)絡(luò)每一層的輸出作為上一將多個(gè)決策樹(shù)根據(jù)隨機(jī)選取分裂屬性集的本分類(lèi)結(jié)果進(jìn)行投票決策實(shí)現(xiàn)樣本類(lèi)別判分類(lèi)準(zhǔn)確率和較強(qiáng)的穩(wěn)定性。本文融合 S分類(lèi)、回歸分析能力提出了 SDAE-RF 鑒x Input data

【參考文獻(xiàn)】：
期刊論文
[1]基于穩(wěn)定一致波長(zhǎng)篩選的無(wú)標(biāo)樣近紅外光譜模型傳遞方法[J]. 倪力軍,韓明月,張立國(guó),欒紹嶸.  分析化學(xué). 2018(10)
[2]R44型直升機(jī)噴霧防治柑橘木虱的效果初報(bào)[J]. 鄧鐵軍,白先進(jìn),廖憲成,劉喜獻(xiàn),劉麗輝,肖志科.  植物保護(hù). 2018(04)
[3]基于可見(jiàn)與近紅外光譜聯(lián)用的柑桔黃龍病快速無(wú)損檢測(cè)研究[J]. 劉燕德,肖懷春,孫旭東,韓如冰,葉靈玉,黃亮,肖禹松,廖小紅.  光譜學(xué)與光譜分析. 2018(02)
[4]基于集成學(xué)習(xí)的口令強(qiáng)度評(píng)估模型[J]. 宋創(chuàng)創(chuàng),方勇,黃誠(chéng),劉亮.  計(jì)算機(jī)應(yīng)用. 2018(05)
[5]基于近紅外技術(shù)柑橘黃龍病田間快速檢測(cè)方法研究[J]. 饒敏,桂家祥,盧占軍,肖青青,張岑.  植物保護(hù). 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在近紅外定量模型批次間傳遞中的應(yīng)用[J]. 賈一飛,張盈盈,徐冰,王安冬,詹雪艷.  中國(guó)中藥雜志. 2017(12)
[8]基于最小角回歸與GA-PLS的NIR光譜變量選擇方法[J]. 顏勝科,楊輝華,胡百超,任超超,劉振丙.  光譜學(xué)與光譜分析. 2017(06)
[9]多尺度建模在近紅外光譜模型傳遞中的應(yīng)用[J]. 陳達(dá),盧帆,李奇峰.  納米技術(shù)與精密工程. 2017(02)
[10]正常、缺素和黃龍病柑桔葉片高光譜成像快速診斷[J]. 孫旭東,劉燕德,肖懷春,張智誠(chéng),李澤敏,呂強(qiáng).  光譜學(xué)與光譜分析. 2017(02)

碩士論文
[1]壓縮自編碼字典下的多機(jī)制鄰域嵌入超分辨率重建算法[D]. 劉鵬.華南理工大學(xué) 2015
[2]廣西柑橘生產(chǎn)與科技現(xiàn)狀分析及其對(duì)策研究[D]. 李丁.廣西大學(xué) 2014
[3]廣西柑橘產(chǎn)業(yè)發(fā)展?jié)摿ρ芯縖D]. 吳衛(wèi)亞.廣西大學(xué) 2012



本文編號(hào)：2947090