• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    利用改進(jìn)自動編碼器光譜法預(yù)測土壤有機(jī)質(zhì)

    2018-10-26 03:25:36王儒敬汪玉冰
    發(fā)光學(xué)報(bào) 2018年10期
    關(guān)鍵詞:編碼器光譜神經(jīng)網(wǎng)絡(luò)

    史 楊, 王儒敬*, 汪玉冰

    (1. 中國科學(xué)院 合肥智能機(jī)械研究所, 安徽 合肥 230031;2. 中國科學(xué)技術(shù)大學(xué) 自動化系, 安徽 合肥 230027)

    1 引 言

    土壤養(yǎng)分含量分析對農(nóng)業(yè)生產(chǎn)、研究非常重要,是研究土壤肥力分布、精準(zhǔn)施肥、農(nóng)田資源管理等的基礎(chǔ)。盡管傳統(tǒng)實(shí)驗(yàn)室檢測方法精度很高,但局限于時(shí)間成本和經(jīng)濟(jì)成本,在生產(chǎn)研究中的應(yīng)用難以大規(guī)模開展。近紅外光譜分析技術(shù)出現(xiàn)后,由于其非接觸式信息獲取、檢測成本低廉的特性,應(yīng)用前景廣闊,因此能否利用該技術(shù)對土壤養(yǎng)分進(jìn)行快速檢測吸引了大量研究人員的關(guān)注[1-2]。盡管利用土壤近紅外光譜在預(yù)測精度上不及實(shí)驗(yàn)室方法直接檢測,但是當(dāng)檢測樣本的數(shù)量巨大時(shí)(如土壤制圖),近紅外光譜是一種低成本的、有效的信息來源[3]。利用近紅外光譜技術(shù)對土壤各種信息進(jìn)行間接獲取的研究工作正在大量開展,已嘗試應(yīng)用在土壤質(zhì)地分類[4]、含水量預(yù)測[5-6]、氮素含量預(yù)測[7-9]、有機(jī)質(zhì)含量預(yù)測[10]等方面。

    近紅外光譜儀器獲得土壤樣品光譜曲線,目的是獲得土壤信息,因此近紅外光譜分析是一種間接獲取信息的手段,需要通過化學(xué)計(jì)量學(xué)建立光譜與實(shí)驗(yàn)室測試土壤信息之間的校正模型,再將模型應(yīng)用在未知土壤樣本信息的預(yù)測中,校正模型如何建立直接影響預(yù)測的準(zhǔn)確性[11]。在利用近紅外光譜對土壤成分進(jìn)行定量分析時(shí),常采用多元線性回歸(MLR)、主成分回歸(PCR)、偏最小二乘回歸(PLSR)等線性回歸方法。光譜數(shù)據(jù)通常維度較高,不同波長的變量之間多重相關(guān),因此在進(jìn)行光譜分析時(shí),基于PCR、PLSR等的模型使用線性變換對高維度光譜數(shù)據(jù)進(jìn)行降維。近年來,研究人員開始嘗試將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到光譜分析建模中,以提升預(yù)測效果。Nawar等[12-13]使用支持向量回歸(SVR)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、梯度提升機(jī)等算法對土壤中的有機(jī)質(zhì)、黏土和總碳含量進(jìn)行預(yù)測,比常用的線性回歸方法表現(xiàn)更優(yōu)秀。紀(jì)文君等[14]發(fā)現(xiàn),在使用全譜數(shù)據(jù)進(jìn)行挖掘來預(yù)測有機(jī)質(zhì)含量時(shí),先利用PLSR提取出若干主成分,再將其作為多層神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行建模,可以獲得較好的預(yù)測精度。在較大面積的土壤成分預(yù)測應(yīng)用中,由于土壤差異性較大,而線性模型表示能力有限,因此采用局部建模方法或者考慮模型容量更大的非線性模型。局部建模方法的思路是從大規(guī)模的光譜數(shù)據(jù)庫中根據(jù)定義的光譜距離量度,選出距離相近的樣本,僅利用這些相近的樣本進(jìn)行建模預(yù)測,是一種基于內(nèi)存的和基于模型的混合方法。陳頌超等[15]使用局部加權(quán)回歸算法成功預(yù)測了五個(gè)省范圍的土壤全氮含量。自動編碼器模型是基于神經(jīng)網(wǎng)絡(luò)的非線性模型,以重建輸入為目標(biāo),訓(xùn)練后的網(wǎng)絡(luò)可以獲得高維數(shù)據(jù)的非線性特征表示,降低了輸入數(shù)據(jù)的維度,可作為后續(xù)分類、回歸模型的輸入[16]。

    本文提出了一種新的改進(jìn)自動編碼器算法,將傳統(tǒng)的用于重建輸出的自動編碼器與分類器相結(jié)合,即構(gòu)建一個(gè)多輸出的神經(jīng)網(wǎng)絡(luò)模型,同時(shí)獲得輸入光譜的非線性特征表示和非線性分類器的分類結(jié)果,并將其應(yīng)用在土壤近紅外光譜預(yù)測有機(jī)質(zhì)含量等級問題中。實(shí)驗(yàn)證明,利用改進(jìn)自動編碼器模型預(yù)測土壤有機(jī)質(zhì)含量等級比其他分類方法的準(zhǔn)確率更高。

    2 基于改進(jìn)自動編碼器的光譜分析

    2.1 自動編碼器模型

    自動編碼器模型屬于神經(jīng)網(wǎng)絡(luò)模型,可以認(rèn)為是前饋神經(jīng)網(wǎng)絡(luò)的一個(gè)特殊形式。自動編碼器由編碼器和解碼器兩部分組成。輸入向量X,通過編碼器fencoder(·)產(chǎn)生編碼表示R,編碼表示R再通過解碼器fdecoder(·)產(chǎn)生輸入向量X的重建Xrec,如下式所示:

    R=fencoder(X),

    (1)

    Xrec=fdecoder(R),

    (2)

    其中編碼器fencoder(·)和解碼器fdecoder(·)常采用多層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。自動編碼器的訓(xùn)練過程就是不斷更新編碼器和解碼器的神經(jīng)網(wǎng)絡(luò)模型參數(shù),以最小化重建Xrec與輸入向量X之間的差異。如果編碼表示R的維度小于輸入向量X的維度,則該編碼器為欠完備自動編碼器。訓(xùn)練欠完備自動編碼器時(shí),自動編碼器會捕捉訓(xùn)練數(shù)據(jù)中的顯著特征,這種特性常被用于數(shù)據(jù)降維或特征提取[17]。如果編碼器和解碼器均為非線性函數(shù),訓(xùn)練得到的編碼表示R即是原始輸入信號X的非線性特征表示,可用于后續(xù)分類或回歸模型的輸入。

    2.2 改進(jìn)自動編碼器算法

    在使用多層神經(jīng)網(wǎng)絡(luò)作為自動編碼器中編碼器和解碼器的實(shí)現(xiàn)對真實(shí)土壤樣本光譜信號進(jìn)行特征提取時(shí),由于實(shí)現(xiàn)編碼器和解碼器的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模型容量較大,得到的非線性特征盡管能很好地重建輸入信號,但是在后續(xù)的預(yù)測土壤有機(jī)質(zhì)等級時(shí),往往效果較差。在對輸入光譜進(jìn)行降維或特征表示時(shí),傳統(tǒng)的自動編碼器與PCA算法類似,僅考慮輸入光譜X的特征。PLSR算法對輸入光譜X進(jìn)行分解時(shí),考慮了預(yù)測輸出Y的分布,通常預(yù)測效果更好。受該思路啟發(fā),本文提出一種新的改進(jìn)自動編碼器模型,將重建輸入信號的自動編碼器訓(xùn)練過程與預(yù)測土壤有機(jī)質(zhì)分類的分類器訓(xùn)練過程結(jié)合起來。

    圖1為改進(jìn)自動編碼器的結(jié)構(gòu)示意圖,其中虛線框內(nèi)為傳統(tǒng)的自動編碼器。傳統(tǒng)的自動編碼器與預(yù)測分類器結(jié)合起來,形成一個(gè)單輸入多輸出的神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練改進(jìn)自動編碼器時(shí)得到的原始輸入的特征表示R,既能使用解碼器很好地重建原始輸入,又能準(zhǔn)確地預(yù)測土壤有機(jī)質(zhì)含量的級別。

    圖1 改進(jìn)自動編碼器結(jié)構(gòu)

    2.3 改進(jìn)自動編碼器模型的訓(xùn)練

    反向傳播算法建立在梯度下降法的基礎(chǔ)上,常用來對多層前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。反向傳播算法由正向傳播過程和反向傳播過程兩部分組成。在改進(jìn)自動編碼器模型訓(xùn)練的正向傳播過程中,輸入樣本經(jīng)過編碼器得到特征向量,然后分別通過解碼器、分類器分別得到輸入樣本光譜曲線的重建輸出和有機(jī)質(zhì)含量級別分類的預(yù)測輸出。將輸出與監(jiān)督信息進(jìn)行比對后,進(jìn)行神經(jīng)網(wǎng)絡(luò)損失函數(shù)的計(jì)算,計(jì)算的損失將作為反向傳播過程修改神經(jīng)網(wǎng)絡(luò)各層參數(shù)的依據(jù)。

    對于改進(jìn)自動編碼器中解碼器的樣本重建輸出,其監(jiān)督信號為輸入信號,采用下式計(jì)算均方損失:

    (3)

    其中W和b分別為神經(jīng)網(wǎng)絡(luò)的權(quán)值和偏置,N為樣本數(shù)。

    對于改進(jìn)自動編碼器中分類器的土壤有機(jī)質(zhì)含量分類預(yù)測輸出,其監(jiān)督信號為有機(jī)質(zhì)含量分類的標(biāo)注信息,由于采用softmax層作為多分類問題的輸出層,采用損失函數(shù)如下:

    (4)

    對于改進(jìn)自動編碼器整個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來說,由于兩種輸出損失量綱上的差異,采用的損失函數(shù)為兩者的加權(quán)和,即

    J(W,b)=Jrec(W,b)+η·Jp(W,b),

    (5)

    反向傳播過程中,由輸出層到輸入層逐層計(jì)算損失函數(shù)對各層權(quán)值、偏置的偏導(dǎo)數(shù),更新神經(jīng)網(wǎng)絡(luò)模型中的對應(yīng)參數(shù)數(shù)值。改進(jìn)自動編碼器參數(shù)訓(xùn)練時(shí),將建模集中的樣本反復(fù)循環(huán)迭代,神經(jīng)網(wǎng)絡(luò)參數(shù)不斷依此修改,根據(jù)神經(jīng)網(wǎng)絡(luò)在建模集上的效果以及驗(yàn)證集上的效果綜合評估性能變化,確定訓(xùn)練是否完成。

    2.4 分類模型效果評估

    對于多分類問題的評估,常采用混淆矩陣、準(zhǔn)確率、精確率、召回率、F1分?jǐn)?shù)等指標(biāo)進(jìn)行綜合評估。混淆矩陣是評估樣本的真實(shí)分類和模型預(yù)測類別的匯總,準(zhǔn)確率是所有分類正確的樣本占所有樣本的比例。對于具體某一類別,精確率表示正確分為此類的樣本數(shù)與預(yù)測分為此類的樣本數(shù)之比,召回率表示正確分為此類的樣本數(shù)占應(yīng)分為此類的樣本數(shù)之比,F(xiàn)1分?jǐn)?shù)為前兩者的調(diào)和均值;對于多分類問題,精確率、召回率和F1分?jǐn)?shù)為各分類對應(yīng)評價(jià)的加權(quán)平均數(shù),權(quán)值為預(yù)測為該類別的樣本數(shù),此時(shí)準(zhǔn)確率與召回率的數(shù)值是一致的。

    3 實(shí)驗(yàn)及分析

    3.1 LUCAS土壤數(shù)據(jù)集及處理

    實(shí)驗(yàn)采用的數(shù)據(jù)集來自LUCAS土壤數(shù)據(jù)集。LUCAS土壤數(shù)據(jù)集包含2008—2012年歐盟開展歐洲土地利用及覆蓋統(tǒng)計(jì)調(diào)查(European Land Use/Cover Area frame Statistical Survey,LUCAS)期間收集的大量土壤樣本,其采樣點(diǎn)遍及歐洲23個(gè)國家[18-19]。LUCAS數(shù)據(jù)集中的所有采樣點(diǎn)使用了一致的樣本收集方法,土壤樣本的理化特性分析由ISO認(rèn)證的實(shí)驗(yàn)室完成。

    LUCAS數(shù)據(jù)集中包含礦質(zhì)土樣共17 272個(gè)。土壤樣本的有機(jī)碳含量依據(jù)ISO 10694-1995干燒方法進(jìn)行測量,數(shù)據(jù)集中有機(jī)碳含量基本信息統(tǒng)計(jì)見表1。土壤樣本經(jīng)風(fēng)干、過篩處理后,消除了土壤水分、質(zhì)地、結(jié)構(gòu)及緊實(shí)度等因素對光譜的影響[5],最后使用FOSS XDS近紅外光譜分析儀進(jìn)行光譜測量,波長范圍為400~2 500 nm,光譜數(shù)據(jù)間隔為0.5 nm。

    表1 LUCAS土壤數(shù)據(jù)集基本信息

    土壤中的有機(jī)質(zhì)含量使用土壤中的有機(jī)碳比例乘以系數(shù)1.724進(jìn)行換算[1],并依據(jù)中國第二次土壤普查養(yǎng)分分級標(biāo)準(zhǔn)進(jìn)行分類,分類后樣本分布見表2。

    表2 LUCAS數(shù)據(jù)集的有機(jī)質(zhì)含量分級

    為了對所建立模型的評估具有說服力,從數(shù)據(jù)集包含的17 272個(gè)土壤樣本中隨機(jī)選擇15 000個(gè)樣本作為建模集,再從剩余的樣本里選擇1 000個(gè)樣本作為驗(yàn)證集,最后剩余的1 272個(gè)樣本作為最終評價(jià)建模性能的測試集。建模集、驗(yàn)證集、測試集中的土壤樣本獨(dú)立不交叉。

    3.2 光譜曲線特征

    圖2是將土壤樣本按照有機(jī)質(zhì)含量等級進(jìn)行分類后,對每一個(gè)類別中所有土壤樣本的光譜計(jì)算平均,得到了不同有機(jī)質(zhì)含量級別的光譜平均曲線。從圖2中可以看出,不同有機(jī)質(zhì)含量等級的光譜均在1 400,1 900,2 200 nm左右有明顯的峰值,整體光譜曲線趨勢一致;有機(jī)質(zhì)含量級別越高的土壤樣本的平均光譜在整個(gè)可見光近紅外波段吸光度都高于有機(jī)質(zhì)含量級別較低的類別。

    由于有機(jī)質(zhì)含量在20 g/kg以下區(qū)間是以10 g/kg、6 g/kg為分界分成了四級到六級,這3個(gè)類別的光譜平均曲線比較接近。

    圖2 不同有機(jī)質(zhì)含量等級的土壤平均光譜曲線

    3.3 改進(jìn)自動編碼器的實(shí)現(xiàn)

    改進(jìn)自動編碼器中的編碼器、解碼器和分類器可以通過不同的模型實(shí)現(xiàn),在基于土壤近紅外光譜的有機(jī)質(zhì)含量等級分類應(yīng)用中,編碼器、解碼器、分類器均通過多層前饋神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)模型層數(shù)及各層的屬性(如全連接層、卷積層等)可以控制模型容量、特征種類。實(shí)驗(yàn)中,編碼器、解碼器和分類器均采用兩個(gè)全連接層實(shí)現(xiàn)(圖3),3個(gè)部分各層的神經(jīng)元數(shù)目和激活函數(shù),根據(jù)多次嘗試后確定。表3為最終實(shí)現(xiàn)的改進(jìn)自動編碼器中各層神經(jīng)網(wǎng)絡(luò)的神經(jīng)元數(shù)目和激活函數(shù)的組合。

    由于近紅外光譜原始數(shù)據(jù)的維度很高,而光譜數(shù)據(jù)中存在較強(qiáng)的共線性,因此在輸入模型前,將原始的4 200維光譜依據(jù)波長等間隔采樣為525維的數(shù)據(jù)作為模型的輸入,大大減少了神經(jīng)網(wǎng)絡(luò)中需要訓(xùn)練參數(shù)的數(shù)量。

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法中常使用雙曲正切函數(shù)或Sigmoid函數(shù)作為神經(jīng)元的激活函數(shù),然而應(yīng)用在較深層網(wǎng)絡(luò)時(shí),常發(fā)生神經(jīng)元飽和、梯度擴(kuò)散的問題。采用修正線性單元(Rectified linear unit,ReLU)能有效避免梯度擴(kuò)散問題,并具有加快網(wǎng)絡(luò)訓(xùn)練的效果[20-22],因此在改進(jìn)自動編碼器的實(shí)現(xiàn)中,E2、E3、D2、C2層均采用了ReLU作為神經(jīng)元激活函數(shù)??紤]到D3層的輸出為光譜信號的重建,考慮其取值范圍,采用線性單元作為激活函數(shù);C3層輸出為土壤有機(jī)質(zhì)含量等級的類別,采用輸出6類的Softmax函數(shù)作為激活函數(shù)。

    圖3 改進(jìn)自動編碼器的編碼器、解碼器、分類器的實(shí)現(xiàn)。

    表3 改進(jìn)自動編碼器各層超參數(shù)和激活函數(shù)

    從圖1、圖3和表3可以看出,525維的光譜信號通過編碼器,首先維數(shù)降低到200維,然后被表示為40維的特征向量;特征向量通過與編碼器近似對稱的解碼器重建為525維的光譜信號;另外,特征向量通過兩層神經(jīng)網(wǎng)絡(luò)分類器分成了六類,即土壤有機(jī)質(zhì)含量等級的分類。

    3.4 基于改進(jìn)自動編碼器的土壤分類模型結(jié)果

    訓(xùn)練改進(jìn)自動編碼器模型前,將LUCAS數(shù)據(jù)集中的所有樣本的光譜信息統(tǒng)一進(jìn)行歸一化處理,并根據(jù)樣本的有機(jī)質(zhì)含量參照表2劃分為6個(gè)級別。訓(xùn)練模型時(shí),將建模集中土壤樣本光譜作為編碼器的輸入信號和解碼器的監(jiān)督信號,將土壤樣本有機(jī)質(zhì)含量類別作為分類器的監(jiān)督信號。改進(jìn)自動編碼器中的參數(shù)使用隨機(jī)梯度下降法進(jìn)行更新。訓(xùn)練完成后,將建模集、驗(yàn)證集、測試集中土壤樣本光譜輸入模型,預(yù)測對應(yīng)樣本的有機(jī)質(zhì)含量等級?;诟倪M(jìn)自動編碼器的土壤有機(jī)質(zhì)含量分類結(jié)果匯總見表4、表5。

    表4 基于改進(jìn)自動編碼器的土壤有機(jī)質(zhì)等級分類結(jié)果

    表5 基于改進(jìn)自動編碼器的土壤有機(jī)質(zhì)等級分類在測試集上的混淆矩陣

    如表4所示,利用改進(jìn)自動編碼器模型對土壤有機(jī)質(zhì)含量進(jìn)行預(yù)測分類在建模集上的準(zhǔn)確率為85.84%,而在測試集上的準(zhǔn)確率為63.05%,與驗(yàn)證集上的準(zhǔn)確率59.80%比較接近。盡管模型在建模集上存在一定的過擬合現(xiàn)象,但模型總體泛化能力良好。實(shí)驗(yàn)結(jié)果表明,在利用土壤樣本的近紅外光譜預(yù)測有機(jī)質(zhì)含量分級問題中,使用覆蓋歐洲23國的、包含多種土壤的大尺度土壤數(shù)據(jù)集對提出的改進(jìn)自動編碼器進(jìn)行訓(xùn)練,訓(xùn)練好的模型預(yù)測土壤有機(jī)質(zhì)含量級別的準(zhǔn)確率達(dá)到63.05%;利用近紅外光譜間接獲取大尺度范圍的土壤有機(jī)質(zhì)含量信息具有可行性。

    表5為利用改進(jìn)自動編碼器模型對土壤有機(jī)質(zhì)含量進(jìn)行預(yù)測分類在測試集上的混淆矩陣,其中,對角線上的數(shù)值為正確分類的樣本個(gè)數(shù)。測試集一共包含1 272個(gè)土壤樣本,其中一級到六級正確分類的樣本數(shù)和級別總樣本數(shù)占比分別為420/497,78/192,140/287,150/251,9/33,5/12。由混淆矩陣可以計(jì)算得出,在測試集中,一級土壤的分類精確率和召回率最高,分別為83.83%和84.51%;四級土壤的分類精確率最低,僅為37.50%; 五級土壤的分類召回率最低,僅為27.27%。

    利用改進(jìn)自動編碼器模型對土壤光譜曲線進(jìn)行重建的結(jié)果見圖4。其中,圖片第一列為隨機(jī)從LUCAS數(shù)據(jù)集中選取的兩個(gè)樣本的光譜曲線;圖片第二列為對應(yīng)樣本經(jīng)過編碼器、解碼器后重建的光譜曲線。由圖4中樣本光譜曲線的對比觀察可以得出,重建得到的光譜曲線與原始曲線基本一致,保留了原始曲線的峰谷特征及數(shù)值特征。使用改進(jìn)自動編碼器可以有效地將525維原始光譜信息僅使用40維的特征向量進(jìn)行表示,并能很好地保留原始光譜中的信息。

    圖4 基于改進(jìn)自動編碼器的土壤光譜曲線重建結(jié)果

    3.5 不同建模方法性能對比

    為了更客觀地了解改進(jìn)自動編碼器在土壤有機(jī)質(zhì)含量等級預(yù)測的效果,本文還實(shí)現(xiàn)了常用于土壤成分預(yù)測建模的支持向量機(jī)模型、主成分回歸模型,并在LUCAS土壤數(shù)據(jù)集上進(jìn)行有機(jī)質(zhì)含量等級的預(yù)測實(shí)驗(yàn),模型的訓(xùn)練采用完全一致的建模集劃分,結(jié)果評價(jià)在完全一致的測試集上進(jìn)行。其中,支持向量機(jī)模型包括分類模型和回歸模型兩種,實(shí)驗(yàn)結(jié)果中用SVM、SVR-C表示;主成分回歸模型實(shí)驗(yàn)結(jié)果中用PCR-C表示。需要說明的是,SVR-C、PCR-C在建模時(shí)使用原始有機(jī)質(zhì)含量數(shù)值作為監(jiān)督輸入,分別訓(xùn)練基于SVR、PCR的回歸模型,再將回歸模型預(yù)測的數(shù)值使用表2的有機(jī)質(zhì)含量分級方法判定為各類別。SVM、SVR-C、PCR-C模型與提出的改進(jìn)自動編碼器算法性能對比見表6。

    表6 不同建模方法分類結(jié)果對比

    如表6所示,利用改進(jìn)自動編碼器模型對土壤有機(jī)質(zhì)含量進(jìn)行預(yù)測分類在測試集上的效果最好,準(zhǔn)確率、精確率、F1分?jǐn)?shù)分別為63.05%、62.98%和62.99%,3項(xiàng)指標(biāo)均優(yōu)于其他3種模型;SVM和SVR-C方法性能比較接近,準(zhǔn)確率分別為56.37%和55.82%,而SVM模型的精確率稍低于SVR-C模型;PCR-C模型準(zhǔn)確率最低,為51.65%。實(shí)驗(yàn)表明,在大尺度土壤數(shù)據(jù)集中,通過近紅外光譜預(yù)測有機(jī)質(zhì)含量級別,使用提出的改進(jìn)自動編碼器模型可以獲得比常用的主成分回歸模型、支持向量機(jī)模型更高的準(zhǔn)確率。

    利用近紅外光譜預(yù)測有機(jī)質(zhì)含量等級是一種間接方法,本文中的預(yù)測模型訓(xùn)練采用歐洲23國范圍的土壤樣本,因此,該模型可用于同樣范圍的真實(shí)土壤樣本預(yù)測。模型使用時(shí),應(yīng)當(dāng)盡量保證待測樣本與訓(xùn)練樣本采用同樣的土壤采集方法、土壤預(yù)處理方法及光譜測量方法,并按同樣的波長間隔進(jìn)行采樣后輸入模型進(jìn)行有機(jī)質(zhì)含量等級的預(yù)測。

    4 結(jié) 論

    本文研究了利用近紅外光譜預(yù)測大尺度下土壤有機(jī)質(zhì)含量等級的分類問題,提出一種改進(jìn)自動編碼器模型,將傳統(tǒng)的用于重建輸出的自動編碼器與分類器相結(jié)合,并對改進(jìn)自動編碼器中的損失函數(shù)進(jìn)行定義。然后利用樣本覆蓋歐洲23國、土壤差異性較大的LUCAS數(shù)據(jù)集對改進(jìn)自動編碼器模型進(jìn)行訓(xùn)練。最后,將改進(jìn)自動編碼器模型的預(yù)測性能與主成分回歸、支持向量機(jī)等方法的效果進(jìn)行對比。實(shí)驗(yàn)結(jié)果證明:利用近紅外光譜間接獲取土壤有機(jī)質(zhì)含量信息具有可行性;在大尺度的土壤數(shù)據(jù)集中,基于本文提出的改進(jìn)自動編碼器模型的分類準(zhǔn)確率達(dá)到63.05%,比常用的主成分回歸、支持向量機(jī)等模型預(yù)測性能更好,基本滿足了間接獲取土壤有機(jī)質(zhì)含量等級分類的要求。

    猜你喜歡
    編碼器光譜神經(jīng)網(wǎng)絡(luò)
    基于三維Saab變換的高光譜圖像壓縮方法
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于FPGA的同步機(jī)軸角編碼器
    基于PRBS檢測的8B/IOB編碼器設(shè)計(jì)
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    JESD204B接口協(xié)議中的8B10B編碼器設(shè)計(jì)
    電子器件(2015年5期)2015-12-29 08:42:24
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    星載近紅外高光譜CO2遙感進(jìn)展
    基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    多總線式光電編碼器的設(shè)計(jì)與應(yīng)用
    久久99热这里只有精品18| 国产男靠女视频免费网站| 欧美zozozo另类| 精品国产亚洲在线| 久久午夜亚洲精品久久| 在线国产一区二区在线| 久久久久久久精品吃奶| 在线观看66精品国产| 亚洲人成电影免费在线| 丁香欧美五月| 两个人的视频大全免费| 国产精品1区2区在线观看.| 女人爽到高潮嗷嗷叫在线视频| 国产伦在线观看视频一区| 中文资源天堂在线| 国产伦在线观看视频一区| 国产精品99久久99久久久不卡| 日本成人三级电影网站| 欧美日韩黄片免| 伊人久久大香线蕉亚洲五| 老熟妇仑乱视频hdxx| 国产精品久久久久久亚洲av鲁大| 少妇人妻一区二区三区视频| 无遮挡黄片免费观看| 中文字幕人成人乱码亚洲影| 国产男靠女视频免费网站| 成人特级黄色片久久久久久久| 久久精品国产综合久久久| 国产亚洲精品综合一区在线观看 | 久久久久亚洲av毛片大全| 日韩成人在线观看一区二区三区| 午夜a级毛片| 国产高清视频在线观看网站| 欧美日韩中文字幕国产精品一区二区三区| 久久精品综合一区二区三区| 亚洲av日韩精品久久久久久密| 久久精品国产亚洲av高清一级| 亚洲色图 男人天堂 中文字幕| 成人国语在线视频| 国产成人aa在线观看| 十八禁人妻一区二区| 我的老师免费观看完整版| 久久久久久久久中文| 禁无遮挡网站| 18禁观看日本| 欧美乱色亚洲激情| 正在播放国产对白刺激| 99久久国产精品久久久| av有码第一页| 精品少妇一区二区三区视频日本电影| 黑人操中国人逼视频| 亚洲av成人一区二区三| 国产午夜精品论理片| 男女午夜视频在线观看| av中文乱码字幕在线| 午夜福利欧美成人| 一二三四社区在线视频社区8| 淫秽高清视频在线观看| 亚洲av熟女| 欧美成狂野欧美在线观看| 在线观看免费午夜福利视频| 国产97色在线日韩免费| 精品国产乱子伦一区二区三区| 一区二区三区激情视频| 久久久国产精品麻豆| 亚洲成人久久爱视频| 午夜成年电影在线免费观看| 黑人操中国人逼视频| 国产爱豆传媒在线观看 | 亚洲欧美激情综合另类| 欧美中文综合在线视频| 精品久久久久久久人妻蜜臀av| 国产精品乱码一区二三区的特点| 午夜福利在线在线| 99热只有精品国产| 国产成人精品无人区| 精品欧美国产一区二区三| xxxwww97欧美| 成人18禁高潮啪啪吃奶动态图| 久久 成人 亚洲| 搞女人的毛片| 精品国产超薄肉色丝袜足j| 男人舔奶头视频| 婷婷六月久久综合丁香| av有码第一页| 欧美黑人巨大hd| bbb黄色大片| 丰满人妻熟妇乱又伦精品不卡| 日韩欧美在线乱码| 一边摸一边做爽爽视频免费| 久久欧美精品欧美久久欧美| 国产精品久久久人人做人人爽| 国产精品精品国产色婷婷| 亚洲人成电影免费在线| 日韩欧美在线乱码| 婷婷六月久久综合丁香| 日本一二三区视频观看| 亚洲中文日韩欧美视频| 国产在线观看jvid| a级毛片在线看网站| 久久久久精品国产欧美久久久| 曰老女人黄片| 国产精品一区二区三区四区免费观看 | 亚洲片人在线观看| 一二三四社区在线视频社区8| 国产精品久久久久久人妻精品电影| 一级作爱视频免费观看| www.精华液| 国产精品野战在线观看| 久久国产精品影院| 欧美一区二区精品小视频在线| 国产蜜桃级精品一区二区三区| 亚洲精品国产精品久久久不卡| 色播亚洲综合网| 51午夜福利影视在线观看| 1024手机看黄色片| 高清在线国产一区| 黄色毛片三级朝国网站| 一级毛片精品| 久热爱精品视频在线9| 欧美+亚洲+日韩+国产| 18禁黄网站禁片免费观看直播| 99re在线观看精品视频| 一a级毛片在线观看| 少妇被粗大的猛进出69影院| 两个人免费观看高清视频| 丰满的人妻完整版| 美女高潮喷水抽搐中文字幕| 久久精品影院6| 九九热线精品视视频播放| 亚洲国产精品成人综合色| 久99久视频精品免费| 一本久久中文字幕| 99热6这里只有精品| 亚洲第一电影网av| 成人永久免费在线观看视频| 黑人巨大精品欧美一区二区mp4| 亚洲欧美精品综合一区二区三区| 一区二区三区激情视频| 国产精品综合久久久久久久免费| 亚洲乱码一区二区免费版| 最好的美女福利视频网| 欧美黑人精品巨大| 欧美黑人欧美精品刺激| 亚洲av成人av| 最近最新中文字幕大全免费视频| 最近最新免费中文字幕在线| 操出白浆在线播放| 精品日产1卡2卡| 成人18禁高潮啪啪吃奶动态图| 黑人操中国人逼视频| 中文资源天堂在线| 亚洲av成人不卡在线观看播放网| 国产一区在线观看成人免费| 国产野战对白在线观看| 老汉色∧v一级毛片| 婷婷精品国产亚洲av在线| 嫩草影视91久久| 亚洲自拍偷在线| 久久精品影院6| 1024视频免费在线观看| 日韩大码丰满熟妇| 日韩精品青青久久久久久| www.999成人在线观看| 男插女下体视频免费在线播放| 欧美日韩一级在线毛片| 中国美女看黄片| 可以免费在线观看a视频的电影网站| 日本三级黄在线观看| 欧美日本视频| 黄色成人免费大全| 变态另类成人亚洲欧美熟女| www.自偷自拍.com| 午夜福利欧美成人| 天堂动漫精品| 18美女黄网站色大片免费观看| 亚洲欧美日韩高清专用| 国产在线精品亚洲第一网站| 9191精品国产免费久久| 777久久人妻少妇嫩草av网站| 无遮挡黄片免费观看| 99精品欧美一区二区三区四区| 99国产精品一区二区蜜桃av| 一进一出抽搐动态| 看免费av毛片| 在线观看www视频免费| 亚洲av美国av| av视频在线观看入口| 在线观看免费午夜福利视频| 一本精品99久久精品77| 精品久久久久久久人妻蜜臀av| 好看av亚洲va欧美ⅴa在| 欧美三级亚洲精品| 两个人免费观看高清视频| 午夜亚洲福利在线播放| 欧美日韩亚洲国产一区二区在线观看| 国产亚洲精品一区二区www| 亚洲中文字幕一区二区三区有码在线看 | 国产成人av教育| 亚洲成人久久爱视频| 成人精品一区二区免费| 大型黄色视频在线免费观看| 国产三级黄色录像| 免费在线观看黄色视频的| 黄色a级毛片大全视频| 国产亚洲精品久久久久久毛片| 国产免费av片在线观看野外av| 国产av又大| 国产探花在线观看一区二区| 亚洲欧美日韩东京热| 一边摸一边做爽爽视频免费| 少妇被粗大的猛进出69影院| 欧美成人一区二区免费高清观看 | 欧美极品一区二区三区四区| 国产精品国产高清国产av| 亚洲全国av大片| 19禁男女啪啪无遮挡网站| 午夜精品久久久久久毛片777| 久久久精品大字幕| 白带黄色成豆腐渣| 草草在线视频免费看| 俄罗斯特黄特色一大片| 午夜老司机福利片| 成人精品一区二区免费| 日韩欧美 国产精品| 亚洲无线在线观看| 国产97色在线日韩免费| 人人妻人人看人人澡| 婷婷精品国产亚洲av在线| 亚洲精品国产精品久久久不卡| 在线观看免费日韩欧美大片| 50天的宝宝边吃奶边哭怎么回事| 国产精品1区2区在线观看.| 97人妻精品一区二区三区麻豆| 亚洲七黄色美女视频| 狂野欧美激情性xxxx| 两性午夜刺激爽爽歪歪视频在线观看 | 变态另类丝袜制服| 精品欧美国产一区二区三| 制服人妻中文乱码| 成人国产综合亚洲| 亚洲精品久久成人aⅴ小说| 18美女黄网站色大片免费观看| 黑人欧美特级aaaaaa片| 嫩草影视91久久| 久久久久久久精品吃奶| 国产v大片淫在线免费观看| 757午夜福利合集在线观看| 欧美在线黄色| or卡值多少钱| 久久这里只有精品19| 天堂av国产一区二区熟女人妻 | 欧美性猛交╳xxx乱大交人| 中文字幕精品亚洲无线码一区| 国产激情偷乱视频一区二区| 亚洲成人久久性| 久久久精品欧美日韩精品| 国产麻豆成人av免费视频| 天堂影院成人在线观看| 欧美精品亚洲一区二区| 久久中文看片网| 狂野欧美白嫩少妇大欣赏| 一区二区三区国产精品乱码| 在线视频色国产色| 亚洲五月天丁香| 男女那种视频在线观看| 国产视频一区二区在线看| 中文字幕人妻丝袜一区二区| 国产97色在线日韩免费| 变态另类成人亚洲欧美熟女| 国产精品免费一区二区三区在线| 十八禁人妻一区二区| 亚洲 欧美一区二区三区| 97碰自拍视频| 欧美日韩亚洲综合一区二区三区_| 国产久久久一区二区三区| 曰老女人黄片| 在线免费观看的www视频| 亚洲欧美日韩高清专用| 国产1区2区3区精品| 亚洲自拍偷在线| 久久性视频一级片| 制服人妻中文乱码| 麻豆久久精品国产亚洲av| 九色成人免费人妻av| 久久午夜综合久久蜜桃| 国产精品亚洲一级av第二区| 国产91精品成人一区二区三区| 母亲3免费完整高清在线观看| 淫妇啪啪啪对白视频| 成人特级黄色片久久久久久久| 日韩欧美一区二区三区在线观看| 嫁个100分男人电影在线观看| 国产精品一区二区免费欧美| 久久久久久免费高清国产稀缺| 久久中文看片网| 亚洲精品久久国产高清桃花| 黑人欧美特级aaaaaa片| 一区二区三区高清视频在线| 久久香蕉国产精品| 18禁黄网站禁片午夜丰满| 午夜精品一区二区三区免费看| 99国产极品粉嫩在线观看| 久久中文字幕一级| 国内久久婷婷六月综合欲色啪| 国产午夜福利久久久久久| 床上黄色一级片| 国产成人aa在线观看| 精品久久久久久久人妻蜜臀av| 中文字幕人成人乱码亚洲影| 1024视频免费在线观看| 国产高清videossex| 不卡一级毛片| 听说在线观看完整版免费高清| 国产69精品久久久久777片 | 亚洲国产欧美网| www日本黄色视频网| 91国产中文字幕| 色综合婷婷激情| 亚洲精品久久成人aⅴ小说| 欧美人与性动交α欧美精品济南到| 亚洲自偷自拍图片 自拍| 国产在线观看jvid| 午夜免费激情av| 国产激情偷乱视频一区二区| 国产精品久久久av美女十八| 亚洲精华国产精华精| 国产在线精品亚洲第一网站| 老熟妇仑乱视频hdxx| 我要搜黄色片| 欧美一级毛片孕妇| 777久久人妻少妇嫩草av网站| 久久天堂一区二区三区四区| 国产欧美日韩一区二区精品| 欧美乱码精品一区二区三区| 久久亚洲精品不卡| 在线观看免费日韩欧美大片| 精品高清国产在线一区| 免费高清视频大片| 观看免费一级毛片| 中文字幕人妻丝袜一区二区| 中文字幕久久专区| АⅤ资源中文在线天堂| 欧美久久黑人一区二区| 日韩欧美三级三区| 精品国产乱子伦一区二区三区| 99热只有精品国产| 怎么达到女性高潮| АⅤ资源中文在线天堂| 黄色毛片三级朝国网站| 91成年电影在线观看| 成人一区二区视频在线观看| 深夜精品福利| 国产精品一区二区免费欧美| 老汉色av国产亚洲站长工具| 脱女人内裤的视频| 久久精品综合一区二区三区| 9191精品国产免费久久| 久久久精品欧美日韩精品| 久久久久久久久中文| 视频区欧美日本亚洲| 日日夜夜操网爽| 亚洲精品粉嫩美女一区| 免费在线观看日本一区| 国产高清视频在线观看网站| 亚洲精品av麻豆狂野| 国产黄a三级三级三级人| 亚洲av成人精品一区久久| 美女高潮喷水抽搐中文字幕| 啦啦啦韩国在线观看视频| 波多野结衣高清作品| 久久热在线av| 日韩三级视频一区二区三区| 看黄色毛片网站| 精品久久久久久久毛片微露脸| 亚洲国产欧美网| 最近视频中文字幕2019在线8| 欧美日本视频| 久久精品国产亚洲av高清一级| 不卡av一区二区三区| 狠狠狠狠99中文字幕| 两性午夜刺激爽爽歪歪视频在线观看 | 九色国产91popny在线| 亚洲,欧美精品.| 日本一本二区三区精品| 变态另类丝袜制服| 亚洲午夜理论影院| 在线观看美女被高潮喷水网站 | 十八禁网站免费在线| 免费在线观看日本一区| 午夜福利免费观看在线| 久久久久久久久中文| 成在线人永久免费视频| 特级一级黄色大片| 夜夜爽天天搞| 一区二区三区激情视频| 操出白浆在线播放| 亚洲美女黄片视频| 亚洲男人的天堂狠狠| 欧美黑人精品巨大| 男女那种视频在线观看| 国产三级黄色录像| 国产成+人综合+亚洲专区| 亚洲精品中文字幕一二三四区| 国产精品一区二区三区四区免费观看 | 无遮挡黄片免费观看| 中出人妻视频一区二区| 日韩欧美一区二区三区在线观看| 国产成人av激情在线播放| 九色成人免费人妻av| 一区二区三区国产精品乱码| 欧美日韩乱码在线| 亚洲欧美精品综合一区二区三区| 欧美成狂野欧美在线观看| 一区二区三区高清视频在线| 97超级碰碰碰精品色视频在线观看| 精品人妻1区二区| 国产区一区二久久| 欧美在线黄色| 最新美女视频免费是黄的| 亚洲精品美女久久久久99蜜臀| 脱女人内裤的视频| 国产精品精品国产色婷婷| 国产精品乱码一区二三区的特点| 1024视频免费在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产视频内射| 99re在线观看精品视频| 观看免费一级毛片| 视频区欧美日本亚洲| 国产伦一二天堂av在线观看| 日本 欧美在线| 亚洲国产高清在线一区二区三| 欧美成狂野欧美在线观看| 亚洲专区中文字幕在线| 国产精华一区二区三区| 妹子高潮喷水视频| 黄色片一级片一级黄色片| 村上凉子中文字幕在线| 午夜成年电影在线免费观看| 一级作爱视频免费观看| 伊人久久大香线蕉亚洲五| 成年免费大片在线观看| 一级a爱片免费观看的视频| √禁漫天堂资源中文www| 精品乱码久久久久久99久播| 一级毛片精品| 精品国产乱码久久久久久男人| 成人高潮视频无遮挡免费网站| 久久天躁狠狠躁夜夜2o2o| 亚洲国产高清在线一区二区三| 在线观看免费午夜福利视频| 亚洲国产精品999在线| 狂野欧美激情性xxxx| 久久精品国产亚洲av香蕉五月| 91大片在线观看| 国产一区二区在线av高清观看| 国产午夜精品论理片| 夜夜爽天天搞| 99久久久亚洲精品蜜臀av| 午夜老司机福利片| avwww免费| 国产又黄又爽又无遮挡在线| 90打野战视频偷拍视频| 激情在线观看视频在线高清| 国产av又大| 日本五十路高清| 国产v大片淫在线免费观看| 久久精品国产清高在天天线| 一级毛片高清免费大全| 岛国在线免费视频观看| 精品一区二区三区视频在线观看免费| 99精品久久久久人妻精品| 村上凉子中文字幕在线| 日韩欧美国产在线观看| 国产一区二区在线av高清观看| 亚洲av中文字字幕乱码综合| 最近最新中文字幕大全免费视频| 中文亚洲av片在线观看爽| 久久香蕉激情| 18禁黄网站禁片免费观看直播| 欧美大码av| 欧美一区二区国产精品久久精品 | 亚洲精品国产精品久久久不卡| 一本综合久久免费| 日韩大码丰满熟妇| 神马国产精品三级电影在线观看 | 国产免费av片在线观看野外av| 怎么达到女性高潮| 男女之事视频高清在线观看| 成人特级黄色片久久久久久久| 久久这里只有精品19| 男女下面进入的视频免费午夜| 黄色a级毛片大全视频| 极品教师在线免费播放| 麻豆成人av在线观看| 亚洲成人久久爱视频| 欧美在线黄色| svipshipincom国产片| 亚洲精品美女久久久久99蜜臀| 国产午夜精品论理片| 在线观看午夜福利视频| 波多野结衣高清无吗| www.精华液| 黄色视频不卡| 天天一区二区日本电影三级| 亚洲色图 男人天堂 中文字幕| 人人妻,人人澡人人爽秒播| 欧洲精品卡2卡3卡4卡5卡区| 国产三级黄色录像| 老熟妇乱子伦视频在线观看| 亚洲人成电影免费在线| 午夜a级毛片| 亚洲精品av麻豆狂野| 亚洲av第一区精品v没综合| 国产精品乱码一区二三区的特点| tocl精华| 亚洲成人精品中文字幕电影| 两个人看的免费小视频| 亚洲性夜色夜夜综合| 精品少妇一区二区三区视频日本电影| 久久久精品国产亚洲av高清涩受| 久久99热这里只有精品18| 精品久久久久久久人妻蜜臀av| 人成视频在线观看免费观看| 国产爱豆传媒在线观看 | 国产欧美日韩精品亚洲av| 老司机深夜福利视频在线观看| 久久性视频一级片| 成人三级黄色视频| 国产在线精品亚洲第一网站| 欧美日韩乱码在线| 身体一侧抽搐| 免费看日本二区| 免费在线观看完整版高清| 一本综合久久免费| 欧美成狂野欧美在线观看| 日韩欧美精品v在线| 国产又黄又爽又无遮挡在线| 最近视频中文字幕2019在线8| 小说图片视频综合网站| 国产视频内射| 日韩欧美三级三区| 两性午夜刺激爽爽歪歪视频在线观看 | 不卡av一区二区三区| 精品欧美国产一区二区三| 一级a爱片免费观看的视频| 怎么达到女性高潮| 日韩av在线大香蕉| 久久久久久九九精品二区国产 | 黄色视频不卡| 国语自产精品视频在线第100页| 成人av在线播放网站| 午夜福利欧美成人| 一级毛片高清免费大全| 在线观看午夜福利视频| 色在线成人网| 人妻丰满熟妇av一区二区三区| 岛国在线免费视频观看| 亚洲专区中文字幕在线| 午夜成年电影在线免费观看| 中文字幕熟女人妻在线| 亚洲国产高清在线一区二区三| 少妇的丰满在线观看| 亚洲18禁久久av| 岛国在线观看网站| 精品熟女少妇八av免费久了| 久久99热这里只有精品18| 在线观看舔阴道视频| 久久性视频一级片| 中文字幕人成人乱码亚洲影| 99国产精品99久久久久| 色精品久久人妻99蜜桃| 最好的美女福利视频网| 黑人欧美特级aaaaaa片| 成人午夜高清在线视频| 欧美+亚洲+日韩+国产| 午夜久久久久精精品| 欧美日韩乱码在线| 亚洲电影在线观看av| 欧美成人免费av一区二区三区| 亚洲中文av在线| 国产亚洲av高清不卡| 可以免费在线观看a视频的电影网站| 变态另类丝袜制服| 亚洲专区国产一区二区| 99久久精品国产亚洲精品| 美女黄网站色视频| 欧美绝顶高潮抽搐喷水| 国产精品美女特级片免费视频播放器 | 99热只有精品国产| 亚洲国产精品合色在线| 99久久国产精品久久久| 一进一出好大好爽视频| 欧美日韩国产亚洲二区| 午夜精品久久久久久毛片777| 99久久精品热视频| 熟妇人妻久久中文字幕3abv| 久99久视频精品免费| 91麻豆精品激情在线观看国产| 国产伦在线观看视频一区| 精品欧美国产一区二区三| 久久这里只有精品中国| 国产伦在线观看视频一区| av福利片在线| 久久99热这里只有精品18| 又黄又粗又硬又大视频| 一进一出抽搐动态| 精品乱码久久久久久99久播| 国产精品国产高清国产av| 三级毛片av免费| 亚洲精品色激情综合| 老司机在亚洲福利影院| 欧美黄色淫秽网站| av有码第一页|