基于高光谱图像和邻域粗糙集理论的大豆品种识别算法及其综合性能评估

• 作者: 刘潋 刘瑶 吴涛 孟祥丽 李梓楠
• 来源期刊: 大豆科学
• 关键词: 大豆 高光谱图像 邻域粗糙集 波段选择 综合性能
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 分析加工
• 页码范围: 596-605
• 页数: 10页
• 语种: 中文
• DOI: 10.11861/j.issn.1000-9841.2018.04.0596

摘要

应用高光谱图像技术可以实现大豆品种的快速、高效、无损鉴别检测.高光谱图像数据量大、波段数量多,这导致数据传输、存储和处理有一定难度,故需应用波段选择方法进行数据降维.目前,面向品种识别的高光谱图像波段选择算法大多数都是以分类性能作为算法的评价标准,忽略了算法的稳定性.该文针对大豆品种识别问题,研究基于邻域粗糙集理论中的依赖度、一致性和信息熵等属性选择准则的高光谱波段选择算法,以Jaccard系数为稳定性度量指标,研究算法的稳定性随数据集扰动和子集大小的变化情况.针对波段选择算法的稳定性度量与分类模型之间是相互独立的这一问题,不能盲目追求高的稳定性而忽略特征子集的分类效果,提出当波段子集大小相同时采用Pareto最优解来评估算法综合性能;当波段子集大小不同时,采用兼顾分类性能、稳定性和子集大小的综合评价函数(PSN)评估算法性能.研究结果对获取综合性能最佳的波段子集有一定的理论及应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涛	岭南师范学院信息工程学院	20	118	4.0	10.0
2	孟祥丽	岭南师范学院信息工程学院	17	38	3.0	5.0
3	刘瑶	岭南师范学院信息工程学院	10	21	2.0	4.0
4	李梓楠	岭南师范学院信息工程学院	1	2	1.0	1.0
5	刘潋	哈尔滨工程大学信息与通信工程学院	1	2	1.0	1.0