10.3321/j.issn:1002-6819.2007.04.029
支持向量机在苹果分类的近红外光谱模型中的应用
建立了一套苹果近红外光谱采集装置来减少因苹果的部位差异性而造成的试验误差.采用一种新的机器学习算法--支持向量机(SVM)建立不同产地、不同品种苹果的近红外光谱分类模型.通过选定RBF函数作为核函数,并确定合适的光谱预处理方法和核函数中惩罚系数C、正则化系数γ,使得所建立的不同品种苹果分类模型的回判识别率和预测识别率均达到100%,不同产地苹果分类模型的回判识别率为87%,预测识别率为100%,与传统的判别分析法相比其预测识别精度提高5%左右.结果表明,支持向量机可以建立高精度的苹果近红外光谱分类模型.
支持向量机、近红外光谱、苹果、分类
23
O433.1;S661.1(光学)
国家高技术研究发展计划863计划2002AA248051;国家自然科学基金30370813;高等学校博士学科点专项科研项目20040299009
2007-06-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
149-152