马昌
- 作品数：2 被引量：83H指数：2
- 供职机构：扬州大学农学院江苏省作物遗传生理重点实验室更多>>
- 发文基金：江苏省高校自然科学研究项目国家自然科学基金江苏省高校优秀科技创新团队更多>>
- 相关领域：生物学自动化与计算机技术农业科学更多>>
- 农情信息遥感监测预报模型构建算法研究进展被引量：2
- 2013年
- 综合介绍了线性逐步回归算法、偏最小二乘回归算法、人工神经网络算法、支持向量机回归算法在农作物信息遥感预测建模中的应用,阐述了这些算法的基本思想,给出了每种算法的求解步骤,归纳了这些算法的优点,分析了每种算法的不足之处,并指明了农情信息遥感预测建模的研究发展方向。
- 王丽爱谭昌伟马昌童璐杨昕崔怀洋郭文善
- 关键词：遥感偏最小二乘神经网络支持向量机
- 基于随机森林回归算法的小麦叶片SPAD值遥感估算被引量：81
- 2015年
- 使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。
- 王丽爱马昌周旭东訾妍朱新开郭文善
- 关键词：小麦叶片SPAD遥感反演支持向量回归
