發(fā)布時間：2021-08-30 02:13

　　以微量農(nóng)藥近紅外光譜數(shù)據(jù)為研究對象,分別采用k近鄰分類算法（k-nearest neighbor,k-NN）、樸素貝葉斯分類器（naive Bayesian classifier）、支持向量機（support vector machine,SVM）算法、極限學(xué)習機（extreme learning machine,ELM）等不同機器學(xué)習算法對其進行不同濃度分類判別分析。研究結(jié)果表明,k近鄰分類算法、支持向量機算法、極限學(xué)習機算法均取得了較好的分類預(yù)測精度,分類預(yù)測精度均達到90%以上,其中極限學(xué)習機算法訓(xùn)練速度最快,對于大樣本數(shù)據(jù)具有較好的解析精度和分析速度。機器學(xué)習算法為實現(xiàn)光譜快速分析檢測提供了新的思路和有效解決辦法。 

【文章來源】：北京信息科技大學(xué)學(xué)報(自然科學(xué)版). 2020,35(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

ELM分類結(jié)果

樸素貝葉斯算法分類結(jié)果

SVM分類結(jié)果

【參考文獻】：
期刊論文
[1]高光譜成像在魚肉品質(zhì)無損檢測中的研究進展[J]. 王慧,何鴻舉,劉璐,馬漢軍,劉璽,莫海珍,劉儒彪,潘潤淑,康壯麗,朱明明,趙圣明,王正榮.  食品科學(xué). 2019(05)



本文編號：3371854