最小角回归结合核极限学习机的近红外光谱对柑橘黄龙病的鉴别

• 作者: 刘彤 杜文川 杨辉华 王其滨 许定舟 路皓翔 陈文丽
• 来源期刊: 分析测试学报
• 学科: 农学
• 关键词: 近红外光谱 柑橘黄龙病 变量筛选 核极限学习机 最小角回归
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究报告
• 页码范围: 1267-1273
• 页数: 7页
• 分类号: O657.3|S432
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4957.2020.10.013

摘要

传统的柑橘黄龙病检测方法存在准确度低、稳定性差等问题,该文提出了一种基于最小角回归结合核极限学习机(Least angle regression combined with kernel extreme learning machine,LAR-KELM(RuBF))的近红外柑橘黄龙病鉴别方法.该方法将光谱数据通过小波变换进行预处理,然后用最小角回归(LAR)算法进行光谱波长的筛选,最后通过核极限学习机(KELM(RBF、)实现样本的分类.实验采用柑橘叶片的近红外光谱数据,验证了LAR-KELM(RBF)算法的性能,其分类准确度最高为99.91％,标准偏差为0.11.不同规模训练集的实验结果表明,LAR-KELM(RBF)模型较极限学习机(ELM)、波形叠加极限学习机(SWELM)、反向传播神经网络(BP(2层)、KELM(RBF)和支持向量机(SVM)模型分类准确度高、稳定性强,能够广泛应用于柑橘黄龙病的检测鉴别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华		94	618	13.0	19.0
2	路皓翔		8	2	1.0	1.0
3	刘彤		3	28	2.0	3.0
4	陈文丽		1	0	0.0	0.0
5	王其滨		2	0	0.0	0.0
6	许定舟		1	0	0.0	0.0
7	杜文川		1	0	0.0	0.0