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
1
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
利用光谱数据和改进的XGBoost预测青豆的干物质含量
1
作者
许志胜
陈冲
+2 位作者
李胜赵
朱婷婷
郭坤
《光电工程》
北大核心
2025年第9期175-187,共13页
针对传统干物质含量(DMC)检测方法效率低、破坏样本的问题,提出一种基于高光谱成像技术与机器学习的青豆DMC无损检测方法。通过改进主成分分析(PCA)算法,结合各主成分对DMC的解释力与累计方差贡献率共同筛选特征波段,并通过载荷系数定...
针对传统干物质含量(DMC)检测方法效率低、破坏样本的问题,提出一种基于高光谱成像技术与机器学习的青豆DMC无损检测方法。通过改进主成分分析(PCA)算法,结合各主成分对DMC的解释力与累计方差贡献率共同筛选特征波段,并通过载荷系数定位关键波段,实现高效的特征选择。以XGBoost模型为核心预测框架,引入随机搜索与KFold交叉验证优化超参数,并对预测值进行反标准化。研究提出的PCA-XGBoost-RK联合模型在不同批次的青豆样本中均表现出优异的预测性能,尤其在成熟初期阶段(决定系数R^(2)为0.94,均方根误差为0.20,相对百分比差异为3.58),显著优于传统检测方法。模型通过可视化直接呈现预测结果,进一步增强数据的可解释性。实验结果表明,高光谱与机器学习方法在青豆品质检测中具有巨大的应用潜力,优化后的PCA与改进的XGBoost在降维与建模中表现突出。
展开更多
关键词
高光谱成像
特征选择
随机搜索
XGboost
在线阅读
下载PDF
职称材料
题名
利用光谱数据和改进的XGBoost预测青豆的干物质含量
1
作者
许志胜
陈冲
李胜赵
朱婷婷
郭坤
机构
安徽建筑大学
安徽省古建筑智能感知与高维建模国际联合研究中心
安徽省地域环境健康与空间智慧感知工程研究中心
江苏省句容市边城镇徐家边技术维护室
出处
《光电工程》
北大核心
2025年第9期175-187,共13页
基金
安徽建筑大学引进人才及博士启动基金项目(2020QDZ24)
光学信息与模式识别湖北省重点实验室开放课题研究基金(202204)
+2 种基金
安徽省高校杰出青年科研项目(2023AH020023)
自然科学类人才引进及博士启动基金(2022QDZ03)
安徽省高校自然科学重点研究项目(2023AH050181)。
文摘
针对传统干物质含量(DMC)检测方法效率低、破坏样本的问题,提出一种基于高光谱成像技术与机器学习的青豆DMC无损检测方法。通过改进主成分分析(PCA)算法,结合各主成分对DMC的解释力与累计方差贡献率共同筛选特征波段,并通过载荷系数定位关键波段,实现高效的特征选择。以XGBoost模型为核心预测框架,引入随机搜索与KFold交叉验证优化超参数,并对预测值进行反标准化。研究提出的PCA-XGBoost-RK联合模型在不同批次的青豆样本中均表现出优异的预测性能,尤其在成熟初期阶段(决定系数R^(2)为0.94,均方根误差为0.20,相对百分比差异为3.58),显著优于传统检测方法。模型通过可视化直接呈现预测结果,进一步增强数据的可解释性。实验结果表明,高光谱与机器学习方法在青豆品质检测中具有巨大的应用潜力,优化后的PCA与改进的XGBoost在降维与建模中表现突出。
关键词
高光谱成像
特征选择
随机搜索
XGboost
Keywords
hyperspectral imaging
feature selection
random search
XGboost
分类号
TP274 [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
利用光谱数据和改进的XGBoost预测青豆的干物质含量
许志胜
陈冲
李胜赵
朱婷婷
郭坤
《光电工程》
北大核心
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
