典型文献
基于贝叶斯优化的SVM玉米品种鉴别研究
文献摘要：
为了快速检测玉米品种类型,基于支持向量机(SVM)和近红外光谱联合建立玉米品种的分类模型.以郑单958、先玉335、京科968、登海605和德美亚等五个品种共计293个样本为研究对象,对采集的近红外光谱进行标准正态变量变换(SNV)处理后使用主成分分析法(PCA)对光谱数据进行降维处理.按照6:1比例,随机选取251个样本为训练集,42个样本作为测试集,探讨贝叶斯优化算法(BO)对SVM模型性能的影响.分别使用网格搜索(GS)、遗传算法(GA)和BO算法等三种方法对SVM模型的两个重要参数惩罚因子C和径向基核函数参数γ进行寻优.选择各模型十折交叉验证识别准确率最高时对应的惩罚因子和核参数作为建模参数,建立SVM分类模型.将使用BO算法建立的SVM分类模型与使用GS和GA进行参数寻优后建立的模型性能进行比对.实验发现,使用BO优化的SVM分类模型相比于其他两种优化算法得到的SVM模型性能具有显著优势,测试集的识别准确率可达到100％.说明使用BO算法寻优的SVM模型参数是全局最优参数,其他两种优化算法寻优的参数可能陷入了局部最优,从而导致模型性能表现不佳.在进行PCA降维前后的光谱数据上分别建立BO-SVM模型,结果表明,BO算法对于高维数据优化效果不佳,更适用于低维数据.对于不同样本类别间数量不均衡导致模型性能表现不佳的问题,通过剔除郑丹958和先玉335两类数量较少的样本,使用剩余三个类别,共计248个样本重新建立S V M模型,实验发现,剔除两类小样本之后,各个模型在测试集上的性能均有提升,说明对于类间样本数量不均衡问题,某类样本数量越多,对于模型参数的修正就越细腻,模型对该类的拟合效果就越好.研究结果可用于玉米品种的快速鉴别,也可为基于近红外光谱的其他农产品分类和产地鉴别提供参考.
文献关键词：
近红外光谱;玉米;贝叶斯优化;主成分分析;支持向量机
中图分类号：
作者姓名：
冯瑞杰;陈争光;衣淑娟
作者机构：
黑龙江八一农垦大学信息与电气工程学院,黑龙江 大庆 163319;黑龙江省现代农业物联网技术创新中心,黑龙江 大庆 163319;黑龙江省水稻生态育秧装置及全程机械化工程技术研究中心,黑龙江 大庆 163319
文献出处：
引用格式：
[1]冯瑞杰;陈争光;衣淑娟-.基于贝叶斯优化的SVM玉米品种鉴别研究)[J].光谱学与光谱分析,2022(06):1698-1703
A类：
B类：
玉米品种,品种鉴别,快速检测,品种类型,近红外光谱,分类模型,登海,德美亚,标准正态变量变换,SNV,光谱数据,降维处理,训练集,测试集,贝叶斯优化算法,BO,模型性能,网格搜索,GS,GA,三种方法,重要参数,惩罚因子,径向基核函数,函数参数,十折交叉验证,识别准确率,核参数,参数寻优,显著优势,算法寻优,全局最优,最优参数,局部最优,高维数据,数据优化,优化效果,低维,本类,余三,小样本,样本数量,均衡问题,某类,就越,细腻,拟合效果,快速鉴别,产品分类,产地鉴别
AB值：
0.299075
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。
