以微量農(nóng)藥近紅外光譜數(shù)據(jù)為研究對(duì)象,分別采用k近鄰分類(lèi)算法（k-nearest neighbor,k-NN）、樸素貝葉斯分類(lèi)器（naive Bayesian classifier）、支持向量機(jī)（support vector machine,SVM）算法、極限學(xué)習(xí)機(jī)（extreme learning machine,ELM）等不同機(jī)器學(xué)習(xí)算法對(duì)其進(jìn)行不同濃度分類(lèi)判別分析。研究結(jié)果表明,k近鄰分類(lèi)算法、支持向量機(jī)算法、極限學(xué)習(xí)機(jī)算法均取得了較好的分類(lèi)預(yù)測(cè)精度,分類(lèi)預(yù)測(cè)精度均達(dá)到90%以上,其中極限學(xué)習(xí)機(jī)算法訓(xùn)練速度最快,對(duì)于大樣本數(shù)據(jù)具有較好的解析精度和分析速度。機(jī)器學(xué)習(xí)算法為實(shí)現(xiàn)光譜快速分析檢測(cè)提供了新的思路和有效解決辦法。 

【文章來(lái)源】：北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,35(02)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

ELM分類(lèi)結(jié)果

樸素貝葉斯算法分類(lèi)結(jié)果

SVM分類(lèi)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]高光譜成像在魚(yú)肉品質(zhì)無(wú)損檢測(cè)中的研究進(jìn)展[J]. 王慧,何鴻舉,劉璐,馬漢軍,劉璽,莫海珍,劉儒彪,潘潤(rùn)淑,康壯麗,朱明明,趙圣明,王正榮.  食品科學(xué). 2019(05)



本文編號(hào)：3371854