当前位置: 首页 > 文章 > 基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究 土壤通报 2020 (3) 505-510
Position: Home > Articles > 基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究 Chinese Journal of Soil Science 2020 (3) 505-510

基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究

作  者:
董伟;李雷
单  位:
关键词:
可见-近红外光谱;极限学习机(ELM);土壤;分类识别
摘  要:
为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法.首先,获取4种不同类型土壤的320个样本波长在325~1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降维处理,最终提取了三个主成分来代表原光谱数据;再次,将320个样本的数据随机分为测试集和预测集两个部分,建立极限学习机模型,利用该模型对土壤类型进行识别.实验结果表明,将极限学习机应用于土壤类型的识别精度可达100%,其训练速度和泛化性优于BP神经网络和支持向量机,能够快速、准确、无损鉴别土壤类型,使用方便,具有推广价值.

相似文章

计量
文章访问数: 8
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊