首页> 中文期刊> 《北京信息科技大学学报(自然科学版)》 >基于机器学习的微量农药光谱预测模型

基于机器学习的微量农药光谱预测模型

         

摘要

以微量农药近红外光谱数据为研究对象,分别采用k近邻分类算法(k-nearest neighbor,k-NN)、朴素贝叶斯分类器(naive Bayesian classifier)、支持向量机(support vector machine,SVM)算法、极限学习机(extreme learning machine,ELM)等不同机器学习算法对其进行不同浓度分类判别分析.研究结果表明,k近邻分类算法、支持向量机算法、极限学习机算法均取得了较好的分类预测精度,分类预测精度均达到90%以上,其中极限学习机算法训练速度最快,对于大样本数据具有较好的解析精度和分析速度.机器学习算法为实现光谱快速分析检测提供了新的思路和有效解决办法.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号