- · 青海草业版面费是多少[11/04]
- · 《青海草业》投稿方式[11/04]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
畜牧与动物医学论文_基于高光谱数据的高寒草甸
作者:网站采编关键词:
摘要：文章目录 1 材料和方法 1.1 研究区概况 1.2 光谱图像采集 1.3 原始光谱反射值提取 1.4 数据处理方法 1.4.1 预处理 1.4.2 降维 1.4.3 机器学习分类 1.4.4 精度评价方法 1.4.5 分析软件 2 结果与分析
文章目录
1 材料和方法
1.1 研究区概况
1.2 光谱图像采集
1.3 原始光谱反射值提取
1.4 数据处理方法
1.4.1 预处理
1.4.2 降维
1.4.3 机器学习分类
1.4.4 精度评价方法
1.4.5 分析软件
2 结果与分析
2.1 原始光谱数据不同数学方法变换
2.2 PCA降维
2.3 基于机器学习方法的5种分类模型的植物分类精度比较
3 讨论
3.1 数学变换对植物光谱曲线的影响
3.2 数学变换对PCA降维后累计方差贡献率的影响
3.3 机器学习分类模型精度与数学变换的关系
4 结论
文章摘要:毒草种类识别是开展毒草危害面积调查、危害程度评估以及科学防治的前提。研发快速、高效和适用于大范围的毒草种类识别技术对于退化草地生态修复具有重要意义。本研究利用SOC710VP近红外高光谱成像仪,获取了高寒草甸11种主要毒草的光谱数据。采用Savitzky-Golay平滑处理、导数变换、归一化变换、均值中心化和对数变换等方式对高光谱数据进行预处理,利用主成分分析（PCA）方法对预处理数据进行降维处理后,分别用随机森林（RF）、支持向量机-径向核函数（SVM-RBF）、K临近算法（Knn）、朴素贝叶斯（NB）、决策树（DT）等算法对降维后光谱数据进行分类预测,以混淆矩阵总体精度为检验标准,筛选可用于高寒草甸主要毒草的近红外高光谱数据识别算法。结果表明:1)6种数学变换处理中,对数变换后样本光谱反射值差异最大;2)对数变换、平滑处理、均值中心化变换经PCA降维后PC1和PC2累计方差贡献率>85%;3)5种分类算法中,SVM-RBF算法分类精度最高,分类精度达到99.35%;4)使用前8个主成分分类时,分类精度SVM-RBF>RF>NB>Knn>DT。
文章关键词:
项目基金:《青海草业》 网址: http://www.qinghaicaoye.cn/qikandaodu/2022/0125/393.html