复合支持向量机方法及其在光谱分析中的应用

被引：9

作者：

安欣 ^{[1
]}

苏时光 ^{[1
]}

王韬 ^{[1
]}

徐硕 ^{[1
]}

黄文江 ^{[2
]}

张录达 ^{[1
]}

机构：

[1] 中国农业大学理学院

[2] 国家农业信息化工程技术研究中心

来源：

光谱学与光谱分析 | 2007年 / 08期

关键词：

复合支持向量机; 高光谱; 回归模型; 叶片含氮量;

D O I：

暂无

中图分类号：

O657.3 [光化学分析法（光谱分析法）];

学科分类号：

070302 ; 081704 ;

摘要：

SVC和SVR是支持向量机研究的两个主要问题。文章把两种建模方法相结合,先由SVC模型判别分类,后由各类的局部SVR模型进行定量分析,提出了复合支持向量机(CSVM)方法。根据71个试验小区的水稻冠层高光谱与叶片含氮量建立定量分析模型,考证了CSVM算法。基于模拟研究的思想,随机划分建模集和预测集,比例为55∶16。经过5次划分试验,复合支持向量机方法建模对叶片含氮量的预测值与凯氏定氮实际值之间的平均相关系数为0.89,平均绝对误差为0.088;而传统的支持向量机方法得到的平均相关系数为0.87,平均绝对误差为0.091。由此可见,复合支持向量机方法相对于传统的支持向量机方法预测精度有所提高。文章研究方法的提出为化学计量学定量分析研究给出了新的思路。

引用

页码：1619 / 1621

页数：3