【技术实现步骤摘要】
本专利技术涉及化学计量学的定量检测，特别是涉及一种基于金字塔与深层神经网络的土壤定量建模方法。
技术介绍
1、基于土壤定量模型的含量测定有利于精准耕作和土地质量监测，而基于光谱的化学计量学可满足土壤含量大批量快速检测的需求。化学计量学利用光谱数据与化学信息，通过机器学习构建土壤定量模型，流程包括样本获取、光谱获取与含量测定、异常样本检测、光谱重采样、光谱预处理、波段选择与特征提取、模型构建等。其中，光谱重采样可获取不同层次的特征信息，提高输入特征的多样性，从而提高土壤定量模型的鲁棒性与准确性。
2、现有技术是从数据层面入手进行光谱重采样，重采样光谱直接输入土壤定量模型从而实现含量的回归预测，即特征工程与模型构建是独立的。以基于室内光谱获得具有不同分辨率的光谱为例，其方法包括：等间距取均值法(uniform interval sampling basedon average value)、等间距波段缩减法(uniform-interval wavelength reduction,uwr)、高斯响应函数重采样方法(resamp...
【技术保护点】
1.一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，包括：
2.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述光谱预处理包括：
3.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述从隐含层输出特征、隐含层神经元的角度分别构建基于隐含层输出特征的交叉分辨率模型、基于隐含层神经元的交叉分辨率模型，其基础模型为，深度随机向量函数链神经网络。
4.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述基于隐含层输出特征的交叉分...
【技术特征摘要】
1.一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，包括：
2.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述光谱预处理包括：
3.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述从隐含层输出特征、隐含层神经元的角度分别构建基于隐含层输出特征的交叉分辨率模型、基于隐含层神经元的交叉分辨率模型，其基础模型为，深度随机向量函数链神经网络。
4.根据权利要求1所述的一种基于金字塔与深层神经网络的土壤定量建模方法，其特征在于，所述基于隐含层输出特征的交叉分辨率模型，包括基于金字塔方式构建隐含层的层数和神经元数的关系，具体为：
5.根据权利要求1所述的一种基于金字塔与深层神经...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。