基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测OA北大核心CSTPCD
氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线性分析+LASSO(least absolute shrinkage and selection operator)特征筛选”的多层级植株氮含量敏感特征的筛选方法,引入约束系数向量的L1正则化实现特征的稀疏性,将某些特征的系数缩小…查看全部>>
郭燕;王来刚;贺佳;井宇航;宋晓宇;张彦;刘婷
河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002 河南省农作物种植监测与预警工程研究中心,郑州450002河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002 河南省农作物种植监测与预警工程研究中心,郑州450002河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002 河南省农作物种植监测与预警工程研究中心,郑州450002河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002北京市农林科学院信息技术研究中心,北京100094河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室,郑州450002 河南省农作物种植监测与预警工程研究中心,郑州450002
农业科学
无人机冬小麦氮素多层级特征筛选LASSO回归机器学习最小二乘回归
《农业工程学报》 2024 (12)
P.174-182,9
国家重点研发计划项目(2022YFD2001105)河南省重点研发与推广专项(232102111030)河南省农业科学院自主创新项目(2023ZC062)河南省农业科学院农业信息技术研究所科技创新领军人才培育计划项目(2022KJCX01)。
评论