《表1 不同参数寻优方法选取的最优参数及实验效果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于高光谱和参数优化支持向量机的水稻施氮水平分类研究》
为探寻快速、便捷、无损的水稻氮素营养状况定性诊断方法,将240组样本数据随机分成两组,分别为建模训练集和建模测试集。其中160组样本作为建模训练集样本(每种施氮水平各40组),80组样本作为建模测试集(每种施氮水平各20组)。本研究选用支持向量机模型(SVM模型)进行水稻氮素营养状况分类识别模型的建立,并以主成分分析降维后的22维主成分作为模型的输入数据。分别选用SVM的默认参数[27]和网格搜索算法、粒子群算法、遗传算法选取的最佳参数进行SVM建模。其中,默认参数下的SVM模型选择误差惩罚参数C为1.000 0,核函数参数g为10.000 0。4类施氮水平(施氮由低到高)数据的模型输出参数y分别由1、2、3、4代表。不同寻优方法选取最优参数的结果如表1所示。由表可以看出,通过3种参数优化的SVM模型要优于默认参数下的整体识别效果,且基于遗传算法的SVM模型与另外两种方法相比,寻优效果最佳,其误差惩罚参数C为2.261 4,核函数参数g为7.568 3。
图表编号 | XD00226422600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 罗建军、杨红云、路艳、万颖、孙爱珍、易文龙 |
绘制单位 | 江西农业大学计算机与信息工程学院、江西农业大学软件学院、江西省高等学校农业信息技术重点实验室、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学软件学院、江西省高等学校农业信息技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |