基于近紅外光譜和隨機森林的煙葉病害種類識別

摘要： 使用手持近紅外光譜儀采集受到不同種類病害煙葉樣本的光譜數(shù)據(jù)，利用Savitzky-Golay(SG)平滑濾波和一階導數(shù)對原始光譜數(shù)據(jù)進行預處理，結(jié)合隨機森林（RF）算法建立不同病害類別的訓練模型，并進行了樣本測試。同時，與傳統(tǒng)分類算法支持向量機（SVM）、反向傳播（BP）神經(jīng)網(wǎng)絡(luò)和偏最小二乘判別（PLS-DA）進行了對比研究。實驗結(jié)果表明，RF算法的分類準確率、靈敏度、特異度值...