基于深度稀疏学习的土壤近红外光谱分析预测模型 - 发光学报.pdfVIP

下载本文档

15
0
约3.42万字
约 8页
2017-09-02 发布于天津
举报
版权申诉

基于深度稀疏学习的土壤近红外光谱分析预测模型 - 发光学报.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于深度稀疏学习的土壤近红外光谱分析预测模型 - 发光学报

第３８卷　第１期发　光　学　报Ｖｏｌ３８Ｎｏ１２０１７年１月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＬＵＭＩＮＥＳＣＥＮＣＥＪａｎ. ꎬ２０１７文章编号:１０００￣７０３２(２０１７)０１￣０１０９￣０８基于深度稀疏学习的土壤近红外光谱分析预测模型 ∗ 王儒敬ꎬ 陈天娇 ꎬ汪玉冰ꎬ汪六三ꎬ谢成军ꎬ张　洁ꎬ李　瑞ꎬ 陈红波 (中国科学院合肥智能机械研究所ꎬ安徽合肥　２３００３１) 摘要:提出一种基于深度稀疏学习的土壤近红外光谱分析预测模型ꎮ 首先ꎬ使用稀疏特征学习方法对土壤近红外光谱数据进行约简ꎬ实现土壤近红外光谱内容的稀疏表示ꎻ然后采用径向基函数神经网络以稀疏表示特征系数为输入ꎬ以所测土壤成分为输出ꎬ分别建立土壤有机质、速效磷、速效钾的非线性预测模型ꎮ 结果表明用该模型预测土壤有机质的含量是可行的ꎬ但对土壤速效磷和速效钾含量的预测还需对模型做进一步的优化ꎮ 关　键　词:土壤近红外光谱ꎻ深度稀疏学习ꎻ神经网络模型中图分类号:Ｏ２３５　　　文献标识码:Ａ　　　ＤＯＩ:１０.３７８８/ ｆｇｘ０１０９ＳｏｉｌＮｅａｒ￣ｉｎｆｒａｒｅｄＳｐｅｃｔｒｏｓｃｏｐｙＰｒｅｄｉｃｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎＤｅｅｐＳｐａｒｓｅＬｅａｒｎｉｎｇ ∗ ＷＡＮＧＲｕ￣ｊｉｎｇꎬＣＨＥＮＴｉａｎ￣ｊｉａｏ ꎬＷＡＮＧＹｕ￣ｂｉｎｇꎬ ＷＡＮＧＬｉｕ￣ｓａｎꎬＸＩＥＣｈｅｎｇ￣ｊｕｎꎬＺＨＡＮＧＪｉｅꎬＬＩＲｕｉꎬＣＨＥＮＨｏｎｇ￣ｂｏ (ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓꎬＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓꎬＨｅｆｅｉ２３００３１ꎬＣｈｉｎａ) ∗ＣｏｒｒｅｓｐｏｎｄｉｎｇＡｕｔｈｏｒꎬＥ￣ｍａｉｌ:７０８８７７１３７＠ｑｑ.ｃｏｍＡｂｓｔｒａｃｔ:Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｓｏｉｌｎｅａｒ￣ｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｓｐａｒｓｅｒｅｐ￣ｒｅｓｅｎｔａｔｉｏｎａｎｄｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌ. Ｔｈｅｍｏｄｅｌｆｉｒｓｔｍａｋｅｓｔｈｅｓｏｉｌｎｅａｒ￣ｉｎｆｒａｒｅｄｌａｒｇｅｓｐｅｃ￣ｔｒｏｓｃｏｐｙｄａｔａｔｏｂｅｓｐａｒｓｅꎬｔｈｅｎｔｈｅｍｏｄｅｌｕｓｅｓｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｓｐａｒｓｅｒｅｐｒｅ￣ｓｅｎｔａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓａｓｉｎｐｕｔａｎｄｔｈｅｍｅａｓｕｒｅｄｓｏｉｌｃｏｍｐｏｓｉｔｉｏｎｖａｌｕｅｂｙｃｈｅｍｉｃａｌｍｅｔｈｏｄｓａｓｏｕｔｐｕｔｔｏｅｓｔａｂｌｉｓｈｅｆｆｅｃｔｉｖｅｎｏｎｌｉｎｅａｒｐｒｅｄｉｃｔｉｖｅｍｏｄｅｌｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒꎬａｖａｉｌａｂｌｅｐｈｏｓｐｈｏｒｕｓａｎｄｐｏｔａｓ￣ｓｉｕｍｒｅｓｐｅｃｔｉｖｅｌｙ. Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｉｓｆｅａｓｉｂｌｅｔｏｐｒｅｄｉｃｔｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｃｏｎｔｅｎｔꎬ ｂｕｔｔｈｅｍｏｄｅｌｎｅｅｄｓｔｏｂｅｆｕｒｔｈｅｒｏｐｔｉｍｉｚｅｄｏｎｔｈｅｓｏｉｌｐｈｏｓｐｈｏｒｕｓｏｒｐｏｔａｓｓｉｕｍｅｆｆｅｃｔｉｖｅｐｒｅｄｉｃｔｉｏｎ. Ｋｅｙｗｏｒｄｓ:ｎｅａｒ￣ｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙꎻｄｅｅｐｓｐａｒｓｅｌｅａｒｎｉｎｇꎻｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ