| 基于梯度提升树的土壤速效磷高光谱回归预测方法 |
| |
| 引用本文： | 金秀,朱先志,李绍稳,王文才,齐海军.基于梯度提升树的土壤速效磷高光谱回归预测方法[J].激光与光电子学进展,2019,56(13):133-142. |
| |
| 作者姓名： | 金秀 朱先志 李绍稳 王文才 齐海军 |
| |
| 作者单位： | 安徽农业大学信息与计算机学院,安徽合肥,230036;安徽农业大学信息与计算机学院,安徽合肥,230036;安徽农业大学信息与计算机学院,安徽合肥,230036;安徽农业大学信息与计算机学院,安徽合肥,230036;安徽农业大学信息与计算机学院,安徽合肥,230036 |
| |
| 基金项目： | 农业部引进国际先进农业科学技术计划(948计划)项目;国家重点研发计划 |
| |
| 摘 要： | 在前期研究基础上,利用皖北地区砂姜黑土的193个土壤样本的可见近红外高光谱(350~1700nm)数据,结合非线性和线性的核函数,对9种算法进行模型的首次优化;再利用随机森林、提升树和梯度提升树三种集成学习算法进行模型组合和二次优化。通过模型比较,优选并组合了Sigmoid函数的偏最小二乘、线性的支持向量回归、径向基的支持向量回归和Sigmoid函数的支持向量回归4个单模型,集成算法优化后发现,梯度提升树算法的预测结果最优。与单模型的预测结果相比,梯度提升树模型组合的决定系数为0.86,提高了17.8%,相对分析误差系数为2.55,从B等级提升到A,不仅在准确率上有显著提高,且组合模型过拟合更低,泛化性好。因此,梯度提升树的集成学习可结合多种模型优势,通过高光谱的模型集成来提升土壤速效磷的预测结果精确度。
|
| 关 键 词： | 成像系统 土壤速效磷 高光谱 回归算法 集成学习 |
Predicting Soil Available Phosphorus by Hyperspectral Regression Method Based on Gradient Boosting Decision Tree |
| |
| Jin Xiu,Zhu Xianzhi,Li Shaowen,Wang Wencai,Qi Haijun.Predicting Soil Available Phosphorus by Hyperspectral Regression Method Based on Gradient Boosting Decision Tree[J].Laser & Optoelectronics Progress,2019,56(13):133-142. |
| |
| Authors: | Jin Xiu Zhu Xianzhi Li Shaowen Wang Wencai Qi Haijun |
| |
| Affiliation: | (School of Information & Computer,Anhui Agricultural University,Hefei,Anhui 230036, China) |
| |
| Abstract: | Jin Xiu;Zhu Xianzhi;Li Shaowen;Wang Wencai;Qi Haijun(School of Information & Computer,Anhui Agricultural University,Hefei,Anhui 230036, China) |
| |
| Keywords: | imaging systems soil available phosphorus hyperspectrum regression algorithms integrated learning |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
