商品簡介
本書系統地介紹了光譜技術及其預處理算法、特征選取方法,并在此基礎上,分析了國內外的最新研究進展,重點展示了光譜等技術在農業上的應用情況。本專*是多個國家自然科學基金項目、省自然科學基金項目、農業部重點實驗室開放課題研究成果的展現,實現了理論與應用的結合。本專*共包含14 章,其中第1章概述介紹了光譜技術在農作物/農產品信息檢測中應用的現狀;第2章至第5章介紹了光譜預處理算法、光譜特征選取方法及定性、定量分析方法;第6章至第14章分別介紹了光譜技術在水稻、生菜、桑葉、大米、雞蛋、紅豆、、玉米、油麥菜等農作物/農產品對象信息檢測中的應用實例。
目次
??1 概述 1.1 農作物/農產品信息的光譜技術檢測 1.1.1 光譜技術在農作物檢測中的應用 1.1.2 光譜技術在農作物農藥殘留檢測中的應用 1.2 農作物/農產品信息的電特性技術檢測 1.2.1 介電特性技術在水果品質檢測中的應用 1.2.2 介電特性技術在糧食含水率檢測中的應用 1.2.3 介電特性在葉片含水率檢測中的應用 參考文獻2 光譜預處理算法 2.1 savitzky-Golay多項式平滑 2.2 移動平均平滑 2.3 多元散射校正算法 2.4 標準正態變量變換和去趨勢算法 2.5 導數變換算法 2.6 正交信號校正算法 2.7 小波閾值 2.8 小波分段 參考文獻3 光譜特征選取方法 3.1 逐步回歸分析 3.2 連續投影算法 3.3 權重回歸系數法 3.4 主成分分析 3.5 競爭性自適應加權算法 3.6 LDA算法 3.7 LPP算法 3.8 SLPP算法 3.9 離散小波變換 3.10 分段離散小波變換 參考文獻4 定性分析方法 4.1 支持向量機 4.2 K近鄰分類器 4.3 Adaboost-SVM及Adaboost-KNN 4.4 MSCPSO-SVM 4.5 限學習機 4.6 Fisher判別分析 4.7 馬氏距離判別分析 參考文獻5 定量分析方法 5.1 一元回歸算法 5.2 多元線性回歸 5.3 BP神經網絡及改進算法 5.3.1 BP神經網絡 5.3.2 基于貝葉斯算法的BP網絡 5.3.3 基于L-M算法的BP網絡 5.3.4 遺傳神經網絡 5.3.5 基于思維進化優化BP神經網絡 5.3.6 PNN神經網絡 5.3.7 GA—PNN神經網絡 5.4 支持向量機回歸算法及其改進 5.4.1 支持向量機回歸算法 5.4.2 GA-LS-SVM算法 5.5 ABC-SVR 參考文獻6 水稻信息檢測 6.1 樣本培育 6.1.1 栽培方法 6.1.2 水稻光譜數據測定 6.1.3 水稻葉片水分含量與氮素含量的測定……