文献检索-宁波市创意产业特色资源库

限定检索结果

基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究: 收藏
分享
引用; 《土壤通报》2020年第3期51卷 505-510页; 作者：董伟李雷中铁第四勘察设计院集团有限公司湖北武汉430063; 为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法。首先,获取4种不同类型土壤的320个样本波长在325~1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降...; 为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法。首先,获取4种不同类型土壤的320个样本波长在325~1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降维处理,最终提取了三个主成分来代表原光谱数据;再次,将320个样本的数据随机分为测试集和预测集两个部分,建立极限学习机模型,利用该模型对土壤类型进行识别。实验结果表明,将极限学习机应用于土壤类型的识别精度可达100%,其训练速度和泛化性优于BP神经网络和支持向量机,能够快速、准确、无损鉴别土壤类型,使用方便,具有推广价值。; 来源：详细信息评论

限定检索结果