典型文献
基于优化SVM和BP神经网络检测双孢蘑菇早期病害
文献摘要：
利用反向传播(back propagation,BP)神经网络及支持向量机(support vector machine,SVM)优化模型等算法实现了双孢蘑菇多酚氧化酶(polyphenol oxidase,PPO)的检测与双孢蘑菇的病害判别.首先各采集200个健康、染病双孢蘑菇在全波段(450～1000 nm)上的高光谱数据及其PPO值.采用竞争自适应加权算法(competitive adaptive reweighted sampling,CARS)和连续投影算法(successive projections algorithm,SPA)提取对PPO值敏感的特征波段,并建立偏最小二乘回归(partial least squares regression,PLSR)预测模型.结果表明SPA-PLSR模型(RP=0.917)的预测精度最高.其次采用逐步回归法对SPA提取的特征波长逐步引入与疣孢霉病相关的特征信息,再利用相关性分析探究所引入的特征信息与染病情况的相关性,最终优选出12个特征波长.对比了极限学习机(extreme learning machine,ELM)、SVM、粒子群优化后的支持向量机(particle swarm optimization-SVM,PSO-SVM)和BP神经网络4种模型对双孢蘑菇染病判别的结果,其中隐含层神经元节点数为14的BP神经网络模型建模效果最好,预测集总体判别率为94.737％.本研究建立的判别模型能够有效判别双孢蘑菇早期疣孢霉病.
文献关键词：
双孢蘑菇;BP神经网络;高光谱成像技术;逐步回归;PSO算法
中图分类号：
作者姓名：
黄亮;魏萱;陈子涵;温志强
作者机构：
福建农林大学机电工程学院,福建 福州350002;福建农林大学食品学院,福建 福州350002;福建省农业信息感知技术重点实验室,福建 福州350002;福建水利电力职业技术学院,福建 永安366000;福建农林大学生命科学学院,福建 福州350002
文献出处：
引用格式：
[1]黄亮;魏萱;陈子涵;温志强-.基于优化SVM和BP神经网络检测双孢蘑菇早期病害)[J].福建农林大学学报（自然科学版）,2022(06):857-864
A类：
B类：
神经网络检测,双孢蘑菇,早期病害,反向传播,back,propagation,support,vector,machine,算法实现,多酚氧化酶,polyphenol,oxidase,PPO,全波段,高光谱数据,竞争自适应加权算法,competitive,adaptive,reweighted,sampling,CARS,连续投影算法,successive,projections,algorithm,SPA,特征波段,偏最小二乘回归,partial,least,squares,regression,PLSR,RP,逐步回归法,特征波长,霉病,特征信息,分析探究,极限学习机,extreme,learning,ELM,粒子群优化,particle,swarm,optimization,PSO,中隐,隐含层,判别模型,高光谱成像技术
AB值：
0.367268
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
