钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
农业科学期刊
\
农作物期刊
\
大豆科学期刊
\
基于分段主成分分析和高光谱技术的大豆品种识别
基于分段主成分分析和高光谱技术的大豆品种识别
作者:
刘瑶
王志朋
王立国
谢红
谭克竹
陈月华
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
高光谱
分段主成分分析
大豆
品种识别
摘要:
为了实现大豆品种的快速且无损鉴别,对大豆高光谱图像中的光谱信息进行研究分析.利用高光谱图像采集系统采集波长范围为400~1 000nm的6类共660粒大豆样本的高光谱图像,从每粒大豆样本的中心区域上提取感兴趣区域并以此区域的平均光谱信息代表此粒大豆的光谱信息.对光谱曲线进行多元散射校正(multiple scattering correction,MSC)后,根据相关系数矩阵图,将整个高光谱波段分解为3个子分段,分别在每个子分段上做主成分分析(principal component analysis,PCA),提取1~20个主成分作为光谱特征,利用极限学习机(extreme learning machine,ELM)和随机森林(random forests,RF)模型进行大豆品种识别.结果表明:在第二分段(510.6~685.4 nm)进行PCA变换,识别效果优于全波段PCA变换.因此,应用分段PCA变换和高光谱技术对大豆品种进行无损识别是可行的.
暂无资源
收藏
引用
分享
推荐文章
一种基于主成分分析的高光谱图像波段选择算法
主成分分析
波段选择
高光谱图像
贝叶斯分类
利用主成分分析的模态参数识别
模态参数识别
主成分分析
振动时域响应数据
信号处理
基于三维荧光光谱和主成分分析的溢油风化研究
荧光光谱
主成分分析
风化
溢油
基于特征脸的主成分分析人脸识别
人脸识别
特征脸
主成分分析
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于分段主成分分析和高光谱技术的大豆品种识别
来源期刊
大豆科学
学科
工学
关键词
高光谱
分段主成分分析
大豆
品种识别
年,卷(期)
2016,(4)
所属期刊栏目
分析加工
研究方向
页码范围
672-678
页数
分类号
TP391.41|TP274.5
字数
语种
中文
DOI
10.11861/j.issn.1000-9841.2016.04.0672
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
王立国
哈尔滨工程大学信息与通信工程学院
116
829
15.0
23.0
2
谢红
哈尔滨工程大学信息与通信工程学院
134
692
14.0
19.0
3
陈月华
东北农业大学电气与信息学院
11
90
4.0
9.0
4
谭克竹
东北农业大学电气与信息学院
11
109
6.0
10.0
5
刘瑶
东北农业大学电气与信息学院
18
58
5.0
6.0
9
王志朋
东北农业大学电气与信息学院
1
11
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(116)
共引文献
(127)
参考文献
(20)
节点文献
引证文献
(11)
同被引文献
(80)
二级引证文献
(6)
1987(1)
参考文献(0)
二级参考文献(1)
1989(1)
参考文献(0)
二级参考文献(1)
1991(2)
参考文献(0)
二级参考文献(2)
1995(1)
参考文献(0)
二级参考文献(1)
1997(1)
参考文献(0)
二级参考文献(1)
1998(3)
参考文献(0)
二级参考文献(3)
1999(2)
参考文献(1)
二级参考文献(1)
2001(2)
参考文献(1)
二级参考文献(1)
2002(1)
参考文献(0)
二级参考文献(1)
2004(4)
参考文献(0)
二级参考文献(4)
2005(6)
参考文献(1)
二级参考文献(5)
2006(7)
参考文献(1)
二级参考文献(6)
2007(8)
参考文献(0)
二级参考文献(8)
2008(8)
参考文献(0)
二级参考文献(8)
2009(11)
参考文献(1)
二级参考文献(10)
2010(12)
参考文献(1)
二级参考文献(11)
2011(20)
参考文献(3)
二级参考文献(17)
2012(13)
参考文献(2)
二级参考文献(11)
2013(23)
参考文献(5)
二级参考文献(18)
2014(9)
参考文献(3)
二级参考文献(6)
2015(1)
参考文献(1)
二级参考文献(0)
2016(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2017(2)
引证文献(2)
二级引证文献(0)
2018(5)
引证文献(5)
二级引证文献(0)
2019(4)
引证文献(2)
二级引证文献(2)
2020(6)
引证文献(2)
二级引证文献(4)
研究主题发展历程
节点文献
高光谱
分段主成分分析
大豆
品种识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
大豆科学
主办单位:
黑龙江省农业科学院
出版周期:
双月刊
ISSN:
1000-9841
CN:
23-1227/S
开本:
大16开
出版地:
哈尔滨市南岗区学府路368号
邮发代号:
14-95
创刊时间:
1982
语种:
chi
出版文献量(篇)
3361
总下载数(次)
6
总被引数(次)
32053
期刊文献
相关文献
1.
一种基于主成分分析的高光谱图像波段选择算法
2.
利用主成分分析的模态参数识别
3.
基于三维荧光光谱和主成分分析的溢油风化研究
4.
基于特征脸的主成分分析人脸识别
5.
基于高光谱图像处理的大豆品种识别
6.
改进的分段主成分分析算法及其在前列腺分割中的应用
7.
基于主成分分析的高光谱遥感图像非局部去噪
8.
高光谱成像技术和主成分分析识别玉米籽粒的胚
9.
基于非线性主成分分析的绿色超级稻品种综合评价
10.
基于主成分分析和模糊识别的生物分子太赫兹光谱识别
11.
采用概率主成分分析的回转支承寿命状态识别
12.
基于主成分分析法的鲜食枣品种综合评价
13.
基于主成分分析法的墨兰品种观赏价值评价
14.
基于主成分分析的最小二乘支持向量机岩性识别方法
15.
基于主成分分析和学习矢量化的神经网络岩性识别方法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
农业基础科学
农业工程
农业科学总论
农作物
农学
园艺
大学学报
林业
植物保护
水产渔业
畜牧兽医
大豆科学2022
大豆科学2021
大豆科学2020
大豆科学2019
大豆科学2018
大豆科学2017
大豆科学2016
大豆科学2015
大豆科学2014
大豆科学2013
大豆科学2012
大豆科学2011
大豆科学2010
大豆科学2009
大豆科学2008
大豆科学2007
大豆科学2006
大豆科学2005
大豆科学2004
大豆科学2003
大豆科学2002
大豆科学2001
大豆科学2000
大豆科学2016年第6期
大豆科学2016年第5期
大豆科学2016年第4期
大豆科学2016年第3期
大豆科学2016年第2期
大豆科学2016年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号