光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
11期
2943-2946
,共4页
施佳慧%邵咏妮%何勇%李铎%冯盘%朱加进
施佳慧%邵詠妮%何勇%李鐸%馮盤%硃加進
시가혜%소영니%하용%리탁%풍반%주가진
近红外光谱%航天育种番茄%主成分分析%聚类%小波变换%人工神经网络%品种鉴别
近紅外光譜%航天育種番茄%主成分分析%聚類%小波變換%人工神經網絡%品種鑒彆
근홍외광보%항천육충번가%주성분분석%취류%소파변환%인공신경망락%품충감별
为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对太空育种突变株M1和M2及其亲本番茄品种的共105个番茄叶片样本建立训练模型,并用每个品种15个样本,共45个番茄叶片的样本进行预测.结果表明,用该方法对航天育种番茄不同品种的鉴别正确率达到97.8%.说明文章提出的方法具有很好的分类和鉴别作用,为航天育种番茄不同品种的快速鉴别提供了一种新方法.
為瞭實現航天育種番茄不同品種的快速光譜鑒彆,採用主成分分析法對光譜數據進行聚類分析,併將小波變換用于對大量光譜數據的壓縮,同時結閤神經網絡建立瞭番茄品種鑒彆模型.該模型將壓縮後的數據作為神經網絡的輸入,加速瞭神經網絡的訓練速度.通過對太空育種突變株M1和M2及其親本番茄品種的共105箇番茄葉片樣本建立訓練模型,併用每箇品種15箇樣本,共45箇番茄葉片的樣本進行預測.結果錶明,用該方法對航天育種番茄不同品種的鑒彆正確率達到97.8%.說明文章提齣的方法具有很好的分類和鑒彆作用,為航天育種番茄不同品種的快速鑒彆提供瞭一種新方法.
위료실현항천육충번가불동품충적쾌속광보감별,채용주성분분석법대광보수거진행취류분석,병장소파변환용우대대량광보수거적압축,동시결합신경망락건립료번가품충감별모형.해모형장압축후적수거작위신경망락적수입,가속료신경망락적훈련속도.통과대태공육충돌변주M1화M2급기친본번가품충적공105개번가협편양본건립훈련모형,병용매개품충15개양본,공45개번가협편적양본진행예측.결과표명,용해방법대항천육충번가불동품충적감별정학솔체도97.8%.설명문장제출적방법구유흔호적분류화감별작용,위항천육충번가불동품충적쾌속감별제공료일충신방법.
