靳召晰、张秀娟、罗付义、安 冬,3*、赵盛毅、冉 航、严衍禄

1. 中国农业大学信息与电气工程学院、北京 100083 2. 山东省德州市农业局、山东 德州 253016 3. 农业部农业信息获取技术重点实验室、北京 100083

近红外光谱建模样本选择方法研究

靳召晰1、张秀娟2、罗付义2、安 冬1,3*、赵盛毅1、冉 航1、严衍禄1

1. 中国农业大学信息与电气工程学院、北京 100083 2. 山东省德州市农业局、山东 德州 253016 3. 农业部农业信息获取技术重点实验室、北京 100083

针对小麦品种多分类问题、使用近红外光谱进行定性分析。建模样本增加能够使模型包含信息增多、但同时也会导致信息冗余、增加建模时间和存储空间、所以需要通过样本选择降低数据量。如果盲目选择必然会使信息丢失、模型效果将大打折扣、因此、在传统选择方法基础上、提出k近邻-密度样本选择方法。使用多天采集的小麦种子近红外漫反射光谱、在对其原始光谱进行预处理和特征提取后、分别使用随机抽样、k近邻和k近邻-密度三种方法进行建模样本选择、然后建立仿生模式识别模型和改进的仿生模式识别模型。实验结果显示、在建立的仿生模式识别模型中、使用k近邻-密度样本选择方法的模型识别效果优于另两种方法、且建模样本量大大降低； 而在改进的仿生模式识别模型中、使用k近邻-密度样本选择方法识别效果明显优于随机抽样、略好于k近邻方法、但使用k近邻-密度方法所选择的样本数量远少于k近邻方法。结果证明k近邻-密度样本选择方法不仅能够大大降低建模样本量、而且保证了模型质量、对解决小麦品种多分类问题有明显效果。……