论文部分内容阅读
分别用径向基神经网络(RBF-NN)、支持向量机(SVM)和决策树(DT)三种模式识别方法对相同数据建模,以比较此三种算法应用于田间杂草光谱识别的效能和潜力。光谱数据用美国ASD公司生产的便携式野外光谱仪在田间测得,测量对象为玉米、马唐和稗草幼苗植株冠层,波长范围为350~2 500 nm,训练和检验样本分别为55和59个。研究结果表明,SVM、RBF-NN和DT的3分类正确识别率分别为80%,78%和63%,SVM的分类正确率最高,且精度较高,此方法更适合应用于田间小样本数据的分类和分析。