基于局部線性嵌入的降維算法研究及其在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用.pdf

1、AnhuiUniversityADissertationforDoctor，SDegreeTheResearchofDimensionReductionalgorithmBasedonLocallylinearembeddingandItsApplicaionsinPrecisionAgricultureAuthor’Name：Specialty：DissertationSupervisor：Finishedtime：YanQingCi

2、rcuitsandsystemsLiangDongProfessorApril2014摘要摘要傳統(tǒng)的粗放型農(nóng)業(yè)生產(chǎn)模式效率低下且對生態(tài)環(huán)境的污染嚴(yán)重，已經(jīng)不適應(yīng)新世紀(jì)農(nóng)業(yè)發(fā)展的需求。現(xiàn)代農(nóng)業(yè)逐漸擺脫原始農(nóng)業(yè)、傳統(tǒng)農(nóng)業(yè)和工業(yè)化農(nóng)業(yè)的束縛，進入以知識高度密集為主要特點的知識農(nóng)業(yè)發(fā)展新階段。將現(xiàn)代信息技術(shù)、生物技術(shù)和工程裝備技術(shù)應(yīng)用于農(nóng)業(yè)生產(chǎn)的“精準(zhǔn)農(nóng)業(yè)(PrecisionAgriculture)”已經(jīng)成為現(xiàn)代農(nóng)業(yè)的重要生產(chǎn)形式：將圖像處理和

3、機器視覺等技術(shù)的應(yīng)用是精準(zhǔn)農(nóng)業(yè)實施中的主要特色之二。通過對光學(xué)圖像或者高光譜圖像的智能分析，有效提高作業(yè)效率。但是光學(xué)圖像數(shù)據(jù)提供的信息有限，在很多應(yīng)用中存在局限性。而高光譜遙感圖像因為波段眾多，光譜分辨率和空間分辨率都很高，因此對地物的分辨更加準(zhǔn)確，在精準(zhǔn)農(nóng)業(yè)的應(yīng)用中具有其他數(shù)據(jù)無法比擬的優(yōu)勢，已經(jīng)成為未來精準(zhǔn)農(nóng)業(yè)應(yīng)用中的主要數(shù)據(jù)形式。這些新的數(shù)據(jù)分析手段雖然給農(nóng)業(yè)生產(chǎn)帶來了革命性的變化，但是另一方面也因為其數(shù)據(jù)量巨大，不僅給存儲和傳

4、輸帶來了困難，同時也給數(shù)據(jù)的分析和處理帶來了巨大的挑戰(zhàn)。因此如何有效降低數(shù)據(jù)的維數(shù)，減少數(shù)據(jù)量是精準(zhǔn)農(nóng)業(yè)圖像分析中的一個重要課題。本文主要研究局部線性嵌入算法在精準(zhǔn)農(nóng)業(yè)數(shù)據(jù)降維問題中的應(yīng)用。結(jié)合精準(zhǔn)農(nóng)業(yè)實施中如雜草識別等問題的需要，主要圍繞局部線性嵌入算法監(jiān)督性的實現(xiàn)、近鄰參數(shù)自適應(yīng)選擇、適當(dāng)?shù)姆诸愃惴ǖ脑O(shè)計等問題進行了深入研究。主要的研究工作與創(chuàng)新成果如下：(1)信息技術(shù)、模式識別技術(shù)在精準(zhǔn)農(nóng)業(yè)中的主要應(yīng)用之一就是依據(jù)圖像和光譜數(shù)據(jù)完

5、成對作物屬性的自動識別。而常規(guī)的局部線性嵌入算法是一種非監(jiān)督算法，直接應(yīng)用于分類識別中往往效果不佳。針對這個缺陷，提出一種基于Fisher準(zhǔn)則的監(jiān)督局部線性嵌入算法。算法首先對訓(xùn)練樣本進行Fisher投影變換，尋找最佳投影方向。在此方向上各類樣本具有最大可分性。利用訓(xùn)練樣本在該投影軸上的投影距離來構(gòu)造鄰域結(jié)構(gòu)，則可以最大程度得利用訓(xùn)練樣本的監(jiān)督信息指導(dǎo)降維，從而有效提高識別率。實驗結(jié)果表明，基于Fisher準(zhǔn)則的監(jiān)督局部線性嵌入算法比常