堆栈降噪自编码结合随机森林的黄龙病检测

摘要：

近红外光谱分析技术作为一种无损、快捷的分析方法在各个领域应用相当广泛.针对柑橘黄龙病检测成本高、可靠性差和精度低等问题,提出了一种堆栈降噪自编码融合随机森林(Stacked Denoising Auto-encoders Combined Random Forest,SDAE-RF)的柑橘黄龙病近红外光谱检测方法,该方法首先采用多阶段预处理法对样本光谱数据进行预处理,然后采用SDAE对经过预处理后的光谱数据进行降维,实现柑橘样本深层特征的提取,最后利用RF的投票集成策略实现分类鉴别.为了验证SDAE-RF模型的性能,采用某公司提供的柑橘叶片近红外光谱数据为实例,以不同比例的训练集进行实验,并与ELM、SWELM、SVM、BP、SDAE和RF模型的鉴别能力进行对比.实验结果表明,SDAE-RF模型较其他算法在分类精度、算法稳定性以及训练时间方面均表现出较好的效果.

关键词：近红外光谱、堆栈降噪自编码、随机森林、多阶段预处理、黄龙病鉴别

所属期刊栏目：49

分类号：O657.3;TQ460.7(分析化学)

资助基金：国家自然科学基金项目21365008,61105004;广西自动检测技术与仪器重点实验室主任基金项目YQ18108

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：460-466