期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于NW与自适应随机带宽计算的烟叶化学成分预测方法
1
作者
潘晓华
叶林辉
+7 位作者
张帅
李莹
陈广晴
周芸帆
张艳玲
梁太波
王建伟
戴华鑫
《中国烟草科学》
北大核心
2025年第1期95-105,共11页
为解决烟叶化学成分预测准确度不高、小样本场景性能差的问题,结合NW(Nadaraya-Watson核回归估计)与自适应随机带宽计算方法,建立了烟叶化学成分预测的回归模型。采用河南省2010―2020年气象和烟叶化学成分数据进行模型验证,结果表明,...
为解决烟叶化学成分预测准确度不高、小样本场景性能差的问题,结合NW(Nadaraya-Watson核回归估计)与自适应随机带宽计算方法,建立了烟叶化学成分预测的回归模型。采用河南省2010―2020年气象和烟叶化学成分数据进行模型验证,结果表明,本文方法整体上优于现有方法,以云烟87为例,对总糖、还原糖、总植物碱、钾、总氮等主要化学成分的预测误差(MAPE)分别为8.46%、8.71%、12.87%、14.04%、9.95%,相较于随机森林、BP、KNN方法,MAPE分别降低了7.69%、5.02%、5.5%。本模型可应用于不同品种的烟叶化学成分预测,在数据存在偏差的情况下具有更稳定的预测结果,且本文方法仅需随机森林模型1%的数据量就可达到更优效果,在鲁棒性验证、可靠性评估等方面均可取得更优的结果。
展开更多
关键词
烟叶
化学成分预测
自适应随机带宽计算
机器学习
在线阅读
下载PDF
职称材料
田间烟叶化学成分高光谱回归模型构建及光谱特征解析
2
作者
曹长代
邓平壤
+4 位作者
李军民
林樱楠
樊俊
邓建强
王大彬
《中南农业科技》
2025年第5期38-44,共7页
为实现田间烟叶化学成分的快速无损检测,基于便携式高光谱成像技术,采集大田生长期烟叶的高光谱数据,构建偏最小二乘回归(PLSR)和Lasso回归(LassoR)模型,对比分析其预测总糖、还原糖、总氮、总植物碱、蛋白质、钾6项化学成分含量的性能...
为实现田间烟叶化学成分的快速无损检测,基于便携式高光谱成像技术,采集大田生长期烟叶的高光谱数据,构建偏最小二乘回归(PLSR)和Lasso回归(LassoR)模型,对比分析其预测总糖、还原糖、总氮、总植物碱、蛋白质、钾6项化学成分含量的性能,并解析特征波长及其光谱区间分布规律。结果表明,LassoR模型对总糖、还原糖和总氮含量的预测效果优于PLSR模型,而PLSR模型对蛋白质的预测能力更优,R2>0.90,2种模型对总植物碱和钾含量的预测性能相近。特征波长分析表明,紫色光(397~435nm)和近红外(750~1 004 nm)参与全部6项化学成分的模型构建,红边(700~750 nm)参与5项,红色光(622~700 nm)参与4项,绿色光(492~577 nm)参与3项,青色光和橙色光各参与1项,蓝色光与黄色光未参与。研究表明,基于特征波长筛选的高光谱回归模型可有效降低数据冗余,为田间烟叶化学成分的快速预测及多光谱技术应用提供理论支持。
展开更多
关键词
高光谱成像
田间烟叶
化学成分预测
偏最小二乘回归(PLSR)模型
Lasso回归(LassoR)模型
特征波长
在线阅读
下载PDF
职称材料
题名
基于NW与自适应随机带宽计算的烟叶化学成分预测方法
1
作者
潘晓华
叶林辉
张帅
李莹
陈广晴
周芸帆
张艳玲
梁太波
王建伟
戴华鑫
机构
浙江大学计算机科学与技术学院
浙江大学滨江研究院
中国烟草总公司河南省公司
浙江大学工程师学院
中国烟草总公司郑州烟草研究院
出处
《中国烟草科学》
北大核心
2025年第1期95-105,共11页
基金
中国烟草总公司重点研发项目(110202202017)。
文摘
为解决烟叶化学成分预测准确度不高、小样本场景性能差的问题,结合NW(Nadaraya-Watson核回归估计)与自适应随机带宽计算方法,建立了烟叶化学成分预测的回归模型。采用河南省2010―2020年气象和烟叶化学成分数据进行模型验证,结果表明,本文方法整体上优于现有方法,以云烟87为例,对总糖、还原糖、总植物碱、钾、总氮等主要化学成分的预测误差(MAPE)分别为8.46%、8.71%、12.87%、14.04%、9.95%,相较于随机森林、BP、KNN方法,MAPE分别降低了7.69%、5.02%、5.5%。本模型可应用于不同品种的烟叶化学成分预测,在数据存在偏差的情况下具有更稳定的预测结果,且本文方法仅需随机森林模型1%的数据量就可达到更优效果,在鲁棒性验证、可靠性评估等方面均可取得更优的结果。
关键词
烟叶
化学成分预测
自适应随机带宽计算
机器学习
Keywords
tobacco leaf
chemical component prediction
adaptive random bandwidth calculation
machine learning
分类号
S572 [农业科学—烟草工业]
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
田间烟叶化学成分高光谱回归模型构建及光谱特征解析
2
作者
曹长代
邓平壤
李军民
林樱楠
樊俊
邓建强
王大彬
机构
山东日照烟草有限公司
湖北省烟草专卖局(公司)烟叶管理处
中国农业科学院烟草研究所/农业农村部烟草质量安全风险评估实验室
湖北省烟草公司恩施州公司
出处
《中南农业科技》
2025年第5期38-44,共7页
基金
湖北省烟草公司科技项目(027Y2021-025)
山东日照烟草有限公司项目(RZ202101)。
文摘
为实现田间烟叶化学成分的快速无损检测,基于便携式高光谱成像技术,采集大田生长期烟叶的高光谱数据,构建偏最小二乘回归(PLSR)和Lasso回归(LassoR)模型,对比分析其预测总糖、还原糖、总氮、总植物碱、蛋白质、钾6项化学成分含量的性能,并解析特征波长及其光谱区间分布规律。结果表明,LassoR模型对总糖、还原糖和总氮含量的预测效果优于PLSR模型,而PLSR模型对蛋白质的预测能力更优,R2>0.90,2种模型对总植物碱和钾含量的预测性能相近。特征波长分析表明,紫色光(397~435nm)和近红外(750~1 004 nm)参与全部6项化学成分的模型构建,红边(700~750 nm)参与5项,红色光(622~700 nm)参与4项,绿色光(492~577 nm)参与3项,青色光和橙色光各参与1项,蓝色光与黄色光未参与。研究表明,基于特征波长筛选的高光谱回归模型可有效降低数据冗余,为田间烟叶化学成分的快速预测及多光谱技术应用提供理论支持。
关键词
高光谱成像
田间烟叶
化学成分预测
偏最小二乘回归(PLSR)模型
Lasso回归(LassoR)模型
特征波长
分类号
S572 [农业科学—烟草工业]
TP79 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于NW与自适应随机带宽计算的烟叶化学成分预测方法
潘晓华
叶林辉
张帅
李莹
陈广晴
周芸帆
张艳玲
梁太波
王建伟
戴华鑫
《中国烟草科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
田间烟叶化学成分高光谱回归模型构建及光谱特征解析
曹长代
邓平壤
李军民
林樱楠
樊俊
邓建强
王大彬
《中南农业科技》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
