作者：刘燕德; 肖怀春; 孙旭东; 朱丹宁; 韩如冰...作物病害模型高光谱成像技术连续投影算法最小二乘支持向量机
摘要：为探索高光谱技术诊断黄龙病及分类的可行性,通过变量筛选方法组合为高维数据实用化提供参考。采集柑桔叶片高光谱图像并进行普通（polymerase chain reaction,PCR）鉴别分为轻度、中度、重度、缺锌和正常5类样品。用无信息变量消除算法（uninformative variable elimination,UVE）剔除无关信息,组合遗传算法（genetic algorithm,GA）和连续投影算法（successive projections algorithm,SPA）筛选变量,对数据进行降维。结合极限学习机（extreme learning machine,ELM）和最小二乘支持向量机（least squares support vector machine,LS-SVM）构建柑桔黄龙病判别模型。对预测样品进行诊断分类,来评价模型判别能力。经对比发现,UVE组合SPA筛选变量后的LS-SVM模型效果最好,该模型以Link_kernel函数为核函数,惩罚因子（γ）最小为1.07,误判率最低为0。用全谱作输入变量时LS-SVM模型复杂程度最高且预测能力最差,误判率最高为11.9%,可能是包含无用信息和冗余信息变量造成的。研究显示,UVE组合SPA筛选变量,结合LS-SVM对柑桔黄龙病诊断并分类具有一定可行性,为高维度数据实用化提供一定参考价值。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
