最小角回归结合核极限学习机的近红外光谱对柑橘黄龙病的鉴别

作者：陈文丽; 王其滨; 路皓翔; 杨辉华^*; 刘彤; 许定舟; 杜文川

来源：分析测试学报, 2020, 39(10): 1267-1273.

• 近红外光谱
• 柑橘黄龙病
• 变量筛选
• 核极限学习机
• 最小角回归

传统的柑橘黄龙病检测方法存在准确度低、稳定性差等问题,该文提出了一种基于最小角回归结合核极限学习机(Least angle regression combined with kernel extreme learning machine,LAR-KELM((RBF)))的近红外柑橘黄龙病鉴别方法。该方法将光谱数据通过小波变换进行预处理,然后用最小角回归(LAR)算法进行光谱波长的筛选,最后通过核极限学习机(KELM((RBF)))实现样本的分类。实验采用柑橘叶片的近红外光谱数据,验证了LAR-KELM((RBF))算法的性能,其分类准确度最高为99.91%,标准偏差为0.11。不同规模训练集的实验结果表明,LAR-KELM((RBF))模型较极限学习机(ELM)、波形叠加极限学习机(SWELM)、反向传播神经网络(BP((2层)))、KELM((RBF))和支持向量机(SVM)模型分类准确度高、稳定性强,能够广泛应用于柑橘黄龙病的检测鉴别。

• 单位
  桂林电子科技大学; 北京邮电大学; 自动化学院