基于机器学习的微量农药光谱预测模型

• 作者: 陈菁菁
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 物理学
• 关键词: 近红外光谱 机器学习 光谱分析 无损检测 支持向量机、极限学习机
• 年，卷（期）: 2020,（2）
• 页码范围: 62-66
• 页数: 5页
• 分类号: O433.4
• 字数: 4236字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2020.02.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈菁菁	北京信息科技大学计算机学院	2	0	0.0	0.0