非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶

• 作者: 刘鹏 吴瑞梅 李文金 杨普香 熊爱华 童阳 胡潇 艾施荣
• 来源期刊: 茶叶科学
• 学科: 农学
• 关键词: 茶叶 近红外光谱 非线性流形降维方法 拉普拉斯特征映射
• 年，卷（期）: 2019,（6）
• 页码范围: 715-722
• 页数: 8页
• 分类号: S517.1
• 字数: 4851字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-369X.2019.06.011

摘要

为提高不同海拔茶叶品质近红外光谱技术鉴别方法的精度,提出采用局部线性嵌入法(LLE)和拉普拉斯特征映射法(LE)非线性流形学习方法对近红外光谱数据进行降维处理,并与基于核函数的非线性(KPCA)及线性(PCA)降维方法比较,建立不同海拔茶叶品质的近红外光谱LSSVM鉴别模型.不同降维方法可视化结果表明,KPCA和PCA方法的数据点离散性较大,400~800 m和800~1 200 m的样本点重叠较多,而非线性流形学习方法能将同一类样本点在三维空间很好地聚集在一起,不同海拔的茶叶能较好地区分开,且聚集效果方面 LE 方法好于 LLE 方法.模型性能表明,LE_LSSVM 模型性能最佳,预测集总体判别率、Kappa 系数分别为 100%和 1.00;相比于 PCA_LSSVM、KPCA_LSSVM 和 LLE_LSSVM,模型预测集总体判别率分别提高1.7%、1.7%、3.3%;Kappa系数分别提高0.025、0.03、0.05.研究表明,LE等非线性流形学习降维方法在近红外光谱数据降维、简化模型复杂度、提高模型精度方面效果很好,为茶叶品质快速检测方法研究提供了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾施荣	江西农业大学软件学院	35	174	9.0	12.0
2	吴瑞梅	江西农业大学工学院	52	529	13.0	21.0
3	李文金		39	193	8.0	11.0
4	杨普香		101	506	11.0	17.0
5	胡潇	江西农业大学软件学院	8	5	1.0	1.0
6	刘鹏	江西农业大学工学院	8	4	1.0	1.0
7	熊爱华	江西农业大学工学院	12	14	2.0	3.0
8	童阳	江西农业大学软件学院	4	3	1.0	1.0