《表2 基于MNF特征信息提取的LDA和BPNN判别分析模型结果》
原始光谱经过MNF运算后将616个波段信息压缩成11维的特征信息作为输入,分别建立LDA模型和BPNN模型。将冠层健康样本和染病样本这两类LDA分别赋值为1和0,首先对每个样本的11维输入数据进行降维,然后找到1个最能使得样本点分离的判别分析函数;建立BPNN模型中,神经网络采用单隐含层3层网络结构,经过多次尝试后将隐含层的节点数设置为12,BPNN最大迭代次数为1 000,学习速率为0.6,目标误差为10–5,判别阈值设置为0.5。2种模型的判别分析效果如表2所示。由表2可知,LDA模型建模集正确率达96.6%,预测集正确率达95.3%,建模集与预测集的正确率均超过95%,取得了较好的预测效果。采用MNF提取的特征信息作为BPNN神经网络的输入变量,选择3层结构的BP神经网络,因为MNF算法提取的特征信息是11维的,所以输入层节点数设置为11。因为研究需要识别健康和染病样本,所以输出节点数设置为2。BPNN模型建模集和预测集的正确率分别为99.1%和98.4%,均接近100%。LDA模型与BPNN模型相比,BPNN模型取得了较优的预测效果。
图表编号 | XD0026590300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.01 |
作者 | 李志伟、袁婧、丁为民、杨红兵、沈少庆、崔嘉林 |
绘制单位 | 南京农业大学工学院、南京农业大学工学院、南京农业大学工学院、南京农业大学工学院、南京农业大学工学院、南京农业大学工学院 |
更多格式 | 高清、无水印(增值服务) |