基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

光合有效辐射预测模型的核函数组合优化

以林下参种植基地光合有效辐射( PAR)、散射辐射(PFDdif)和直射辐射(PFDdir)为研究对象,以支持向量机linear核函数(k1)、polynomial核函数(k2)、radial basis function核函数(k3)为基础,构建新核函数.使用K-fold交叉验证方法,利用粒子群算法(PSO)对惩罚参数c和g值优化.试验结果表明,利用grid search算法设定惩罚参数c为16和g值为1时,通过比较相关系数及符合拟合均衡原则下,选出以0.2k1+0.8k2核函数而构建的光合有效辐射预测模型效果最佳,对由PAR、PFDdir和PFDdif数据组成的预测集1和预测集2拟合程度分别为89.213 2％和81.789 6％.利用粒子群算法对惩罚参数c和g值优化后,预测模型对预测集1拟合程度达到92.156 0％,对预测集2拟合程度达到90.036 0％.可见,采用0.2k1+0.8k2核函数和PSO的支持向量机预测模型对PAR具备预测能力.     

基于线性组合核函数支持向量机的病害图像识别研究

合理的选择、设计核函数是支持向量机方法的重要部分,不同的核函数代表了利用支持向量机解决非线性分类问题时,进行的不同的非线性映射.核函数使支持向量机可以很容易地实现非线性算法.为此,提出了一种新的核函数-线性组合核函数,将该核函数应用于支持向量机方法中,并使用该方法对北京地区甜瓜病害图像进行了识别分类;同时也与人工神经网络和其它经典支持向量机核函数的分类结果进行了对比,实验结果也验证了该核函数的有效性.     

基于MSCPSO混合核SVM参数优化的生菜品质检测

核函数形式的选择与核函数参数值的大小是影响支持向量机的2个关键因素,传统的支持向量机分类精度低、时效性差,为了获得高精度、高时效性的支持向量机,从影响支持向量机的核函数与核函数参数值2个关键因素着手,提出了基于变尺度混沌粒子群优化（MSCPSO）混合核SVM参数的分类器。将此分类模型用于预测生菜叶片的生育期,以及预测3个生育期的生菜叶片氮素水平,预测精度分别达到91.51%、85.38%、82.59%和81.26%。与传统的粒子群优化混合核SVM的分类器和变尺度混沌粒子群优化RBF_SVM分类器相比,提出的分类器模型分类精度高、时效性好。     

基于支持向量机的甘薯冷害光谱检测方法

针对甘薯早期冷害不易检测,导致甘薯品质下降,易感染其他病害等问题,建立了基于光谱技术的甘薯冷害无损检测方法。基于类可分性准则的关键特征排序法选择有效特征光谱波长,利用支持向量机算法对数据集进行训练评价,检测特征光谱波长的准确性以及甘薯早期冷害发生情况。通过对5个甘薯品种共400个样品进行实验,以训练数据与测试数据5∶5比例检测甘薯冷害准确率高达99.52%,以7∶3比例测试结果高达99.63%。实验结果证明特征光谱波段选择正确,表明光谱技术可以有效识别甘薯冷害,此研究为甘薯贮存分类等后续工作提供了技术方法支持。     

基于支持向量机模型的水质评价研究

将支持向量机方法应用到水质评价中,建立了RBF核函数支持向量机评价模型。根据石头口门水库水质特征,选择溶解氧、化学需氧量、高锰酸盐指数等五项指标作为输入因子进行评价,并与综合水质评价法、模糊综合评价法比较。研究结果表明石头口门水库主要为Ⅱ类和Ⅲ类水,呈汛期较差、非汛期较好的变化规律。通过实例验证,说明支持向量机方法能够较好的解决分类评价问题,评价结果良好,符合客观事实,具有很好的研究价值和推广前景。     

基于近红外光谱的掺伪油茶籽油检测

为了探索采用近红外光谱技术检测掺伪油茶籽油的潜力,以12个产地的玉米油、花生油、菜籽油和大豆油为掺杂油,以5个产地的油茶籽油为被掺杂油,制备了455份掺伪质量分数为0、1%、3%、6%、10%、15%和20%的掺伪油茶籽油,采集了所制备样品在833～2 500 nm范围内的近红外光谱。对采集的近红外光谱进行多元散射校正处理后,应用Kennard-Stone样本划分法按2∶1的比例将样本划分为校正集和测试集。采用连续投影算法(SPA)、无信息变量消除算法和竞争性自适应重加权算法提取表征掺伪油茶籽油样本的特征波长,并建立判别掺伪油茶籽油样品的支持向量机(SVM)和随机森林(RF)模型。研究结果表明,SVM模型具有较高的灵敏度,RF模型具有良好的特异性。基于SPA提取的9个特征波长所建立的RF模型的识别准确率最高,为99.34%,对掺伪质量分数为1%的掺伪油茶籽油的识别准确率达到94.74%,对掺伪质量分数为3%及以上的掺伪油茶籽油的识别准确率达到100%。本研究为掺伪油茶籽油检测仪的研发提供了基础数据。     

基于近红外光谱的核桃仁品种快速分类方法

采用傅里叶变换近红外光谱仪,采集了4个不同品种的200份核桃仁样本的近红外漫反射光谱,建立了核桃仁品种分类模型。光谱范围为3 800~9 600 cm -1 ,预处理方法采用多元散射校正法和标准正态化方法;通过主成分分析法优选出5个主成分因子,光谱信息累计贡献率达到99.21%;采用随机抽取法建立建模集和验证集,以主成分因子为输入变量,建立了基于支持向量机分类模型,并采用网格搜索法对RBF核函数参数 λ和δ 进行寻优。分析结果表明,建立的核桃仁分类识别模型对4个核桃仁品种的总体正确识别率达到96%,为核桃仁品种的快速无损识别提供了一种可行的方法。     

基于机器学习的鹅膏属真菌形态特征分类模型研究

针对鹅膏真菌分类的问题,区别于传统人工分类方法操作比较复杂,分类速度慢的问题.从鹅膏属真菌特征形态数据入手,提出基于机器学习算法的一种分类模型.模型前期采用最值归一化的方法对数据进行预处理,其次以支持向量机作为分类器,选择线性函数作为核函数,同时使用交叉验证算法来寻找最优的惩罚系数C,通过混淆矩阵来分析数据分类处理中产...     

基于支持向量机的玉米田间杂草识别方法

提出了一种基于图像处理和支持向量机(SVM)技术的玉米和杂草识别方法.首先根据玉米与杂草、土壤彩色图像的特征提出一类图像灰度化方法,并通过对灰度图像的除噪处理有效地分离目标对象.然后从处理好的图像中提取出目标对象的形状特征参数作为输入特征向量,进而提出玉米田间杂草识别的支持向量机方法.试验结果表明了方法的有效性,通过适当选取核函数识别率可达到98.3%.     

基于Pearson系数与多元核支持向量分类的葡萄酒分析

选择Pearson相关系数筛选出与红葡萄酒各理化指标相关性较强的酿酒红葡萄理化指标,用逐步回归法建立回归方程确定了它们之间的数量关系。同时,采用多元核支持向量机对红葡萄酒样品进行分类,所分类别与人工口感评分所分类别基本相符,正确率达到91.89%,结论表明酿酒红葡萄和红葡萄酒的理化指标能很好地确定葡萄酒的口感评价。     

水稻根系吸水模型的初步研究

以沈农9660号水稻品种为试材,随机选取一个蒸渗仪(面积为2.5m×2m)进行根系生长观测试验。采用水洗法,测定水稻根系重量根密度。运用非称重式钢筋混凝土蒸渗仪的蒸腾量观测结果,在总结国内外作物根系吸水模型研究的基础上,运用有限差分法对有根系吸水条件下的稻田土壤水分运动进行了模拟,导出了水稻根系吸水模型。     

基于核函数支持向量机的植物叶部病害多分类检测方法

现有植物病害图像检测方法存在检测病害单一的问题,因此,本文针对叶片的链格孢病、炭疽病、细菌性枯萎病、尾孢菌叶斑病4种病害和健康叶片,提出了基于核函数支持向量机的多分类检测方法。根据植物叶部病害图像具有多变的特点,首先通过受病叶片图像预处理增强病害部分与健康部分的对比度,使病害部分更加明显。然后在Lab彩色空间模型下的a、b分量上进行叶片分割并提取特征,采用K均值聚类方法,增强分割聚类效果。最后采用基于核函数的支持向量机多分类方法对4种病害进行检测识别并分类。为提高检测准确度,用500次迭代评估出最大精度,考虑交叉验证系数的影响,将样本的40%作为验证数据,60%作为训练数据,采用径向基核函数对其进行训练。该方法将传统的2种叶片病害识别扩大至4种,实验结果证实对4种病害的识别率最高达到89.5%,最低也达到了70%,证明了该方法的有效性。     

基于光谱技术的褐壳血斑蛋鉴别方法研究

血斑蛋是一种带有血丝的异常蛋。通过自制的鸡蛋内部品质光谱检测系统,采集40个正常蛋和60个人工注射血样的血斑蛋的可见/近红外光谱,研究比较了3种不同的血斑蛋判别方法:传统的血值判别法、偏最小二乘判别法(DPLS)以及融合光谱信息与蛋壳颜色信息的最小二乘支持向量机(LS-SVM)判别法,结果表明基于颜色信息融合的最小二乘支持向量机的判别结果明显优于传统的血值判别法,正常蛋的判别正确率为90%,血斑蛋的判别正确率为91.7%,证明了此方法可用于褐色蛋的血斑检测。     

基于投影寻踪模型的稻田控制排水方案优选

针对水稻田控制排水方案评价指标的不相容性问题,提出了水稻田控制排水方案综合评价的RAGA-PP方法,并运用该方法对水稻全生育期内蓄水条件下16种不同控制排水方案进行了综合评价,评价结果很好地反映了各项评价指标对综合评价目标的贡献大小以及各种控制排水方案的优劣,对农业生产实践起到一定的指导作用。