基于多維隨機森林的番茄灰霉病高光譜圖像早期檢測.pdf

第 nullnull卷 第 nullnull期 nullnullnullnullnullnullnull 光 譜 學 與 光 譜 分 析 nullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull年 nullnullnull月 nullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnull null 基于多維隨機森林的番茄灰霉病高光譜圖像早期檢測 高榮華 null null 馮 null 璐 null nullnull 張 null 月 null 原繼東 null 吳華瑞 null null 顧靜秋 null null nullnull北京市農(nóng)林科學院信息技術(shù)研究中心 北京 nullnullnullnullnullnullnull nullnull國家農(nóng)業(yè)信息化工程技術(shù)研究中心 北京 nullnullnullnullnullnullnull nullnull北京交通大學計算機與信息技術(shù)學院 北京 nullnullnullnullnullnullnull 摘 null 要 null 植物病害的自動早期檢測對于作物精確保護至關(guān)重要 提出了一種基于多維光譜序列 nullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 和加權(quán)隨機森林 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 的番茄灰霉病早期診斷與 鑒別方法 目的是利用葉片多個觀測維度的光譜曲線整體變化趨勢建立作物病害檢測模型 以期在肉眼明 顯可見葉面病斑前對作物病害實現(xiàn)診斷 將健康葉片接種灰霉病菌第 null天作為葉片成功染病第 null天 試驗首 先采集番茄健康葉片和染病葉片 null天內(nèi)每天的高光譜圖像 提取感興趣區(qū)域并計算平均光譜作為初始光譜 數(shù)據(jù) 經(jīng)篩選共得到 nullnullnullnullnull 組有效樣本 將樣本數(shù)據(jù)按時間順序拆分成分別包含 null nullnull 個維度的光譜數(shù)據(jù) 形成多維原始光譜序列 為增加維度間差異性 相鄰原始光譜序列相減構(gòu)成多維關(guān)聯(lián)光譜序列 分別采用符 號聚合近似估計 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 和符號傅里葉近似估計 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnull 兩種符號化方法將光譜序列離散成局部辨別性特征 基于多維光譜序列的局部辨別性特征建 立加權(quán)隨機森林 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 分類模型 實現(xiàn)病害早期檢測 相應地 基于單維光譜序列 nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 的番茄灰霉病識別模型被作為基準模型與 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull模型比 較 試驗結(jié)果顯示 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 檢測模型在包含 null至 null個光譜序列維度的 nullnull個測試樣本數(shù)據(jù)中 均獲得 nullnullnull以上識別準確率 在包含 null個光譜序列維度測試集中得到最高 nullnullnull的識別準確率 較 nullnullnullnull null nullnullnullnullnullnullnullnullnullnullnull檢測模型在染病第 null天的識別率高 nullnullnull個百分點 另外受隨機干擾的影響 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull模型準確率在染病 nullnullnullnull出現(xiàn)大幅度回落至最低 nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull模型識別率在肉 眼可見病斑階段依然保持超過 nullnullnull的較高檢測水準 未過度回落 因此 提出的基于多維光譜曲線整體變 化趨勢和加權(quán)隨機森林 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull 的分類模型能夠有效實現(xiàn)番茄灰霉病早期檢測 并具有較 強的魯棒性 為染病初期的番茄灰霉病鑒別提供新思路 關(guān)鍵詞 null 早期病害識別 高光譜成像技術(shù) 番茄灰霉病 隨機森林 多維時間序列 中圖分類號 nullnullnull nullnullnullnullnull 文獻標識碼 null nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnull null 收稿日期 nullnullnullnull nullnullnullnullnullnull 修訂日期 nullnullnullnullnullnullnullnullnullnull null 基金項目 國家自然科學基金面上項目 nullnullnullnull 北京市科技計劃課題 nullnullnullnullnullnullnullnullnull 資助 null 作者簡介 高榮華 女 nullnullnullnull年生 北京市農(nóng)林科學院信息技術(shù)研究中心副研究員 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null 通訊作者 nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 引 null 言 nullnull 番茄灰霉病是一種低溫 高濕病害 是棚室番茄栽培的 常見病害 該病繁殖速度快 遺傳變異大且適應性強 在患 病早期無法通過肉眼發(fā)現(xiàn) 一旦進入發(fā)病期將擴散迅速 對 保護地番茄生產(chǎn)威脅極大 已成為番茄設(shè)施栽培的主要限制 因素 nullnullnullnull年 null月 國務(wù)院頒布施行 農(nóng)作物病蟲害防治條 例 條例中指出監(jiān)測預警是做好農(nóng)作物病蟲害防控的前提 和基礎(chǔ) null 雖然國內(nèi)外對番茄灰霉病的防治研究已取得了一 定進展 但目前生產(chǎn)上仍缺乏該病害早期發(fā)現(xiàn)的有效途徑 實現(xiàn)對番茄灰霉病的早期檢測對我國作物病害防治具有十分 重要意義 隨著高光譜成像技術(shù)在作物病害識別中的深入應用 對 黃瓜 null 小麥 null 水稻 null 馬鈴薯 null 和蘋果 null 等作物病害檢 測獲得較高檢出率 高光譜具有唯一性特點 不同作物中葉 綠素等生物量含量不同導致其光反射率不同 因此不同物質(zhì) 中光譜曲線走勢和波峰波谷差異較大 該種特異性使得基于 光譜特征作物病害識別成為可能 秦立峰 null 等提出融合病害 差異信息改進的競爭性自適應重加權(quán)算法 nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 和連續(xù)投影算法 nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 并運用二次降維尋優(yōu)得到的 特征波段建立了黃瓜霜霉病早期檢測模型 針對番茄病害檢 測 nullnullnull null 等利用基于小波變換和最小二乘支持向量機回歸 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull 的方法篩選最佳波長并建立檢測模型 證明了高光譜成 像技術(shù)在不同鎘脅迫下測定番茄葉片重金屬含量的可靠性和 有效性 賈方方 null 等利用去包絡(luò)線法 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull 篩 選對葉霉病發(fā)病程度識別的敏感波段 構(gòu)建基于光譜特征吸 收參量的發(fā)病程度估測模型 上述研究基本思路均是首先對 所獲取作物葉片高光譜圖像進行病斑或葉片分割并計算平均 光譜曲線 后利用降維工具或相關(guān)光譜植被指數(shù) null nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 對光譜特征波段篩選和提取 null 過濾 不做分類貢獻的波段信息 最后基于提取的特征波段建立作 物病害識別分類器 nullnullnull nullnull 等對比了基于全波段和使用特征 排序 nullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull 算法篩選的敏感波段分別建立的 nullnull最近鄰 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull 模型對 null級患病程度番 茄灰霉病葉片的分類準確率 在測試集中 基于全波段 nullnullnull 的總體分類結(jié)果為 nullnullnullnullnullnull nullnull nullnullnullnull 模型為 nullnullnullnullnullnull 由此 可見 僅用個別波段光譜信息作為分類依據(jù) 忽略了光譜曲 線整體變化趨勢 篩選出不合格波段更易導致曲線信息片面 化 尤其患病早期葉片與健康葉片光譜曲線差異不顯著 容 易導致識別失誤 錯過病害早期最佳防治時間 借鑒多維時間序列分類算法 nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 以番茄灰霉病患病早期葉片光譜曲 線為基礎(chǔ) 從接病第 null天 染病第 null天 至完全發(fā)病連續(xù)采集 圖像 根據(jù)圖像不同波段上反射率隨時間推移而產(chǎn)生的變化 來監(jiān)測作物病害的發(fā)病情況 完整描述患病區(qū)域在不同波段 下 不同發(fā)病時期光譜反射率變化趨勢 建立基于多維光譜 序列 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 的作物病害分 類器 以實現(xiàn)對番茄灰霉病的早期檢測 nullnull 實驗部分 nullnullnullnull高光譜圖像采集 實驗采用盆栽培育番茄幼苗 nullnull株 儀器采用四川雙利 合譜科技有限公司的 nullnullnullnullnullnullnullnullnull nullnullnullnull 內(nèi)置推掃式的便攜式高 光譜成像儀 成像儀光譜范圍為 nullnullnull nullnullnullnullnullnullnull 光譜分辨 率為 nullnullnull 選取 nullnullnull個光譜通道 單幅拍攝速度 nullnullnull 全幅 圖像像素分辨率為 nullnullnullnullnull nullnullnullnull 為了確保采集的圖像清晰且 不失真 經(jīng)預備實驗 確定曝光時間為 nullnullnullnullnull 物距為 nullnull nullnull 圖像采集速度為 nullnullnullnull null nullnull 圖像采集方式如圖 null所示 用支架固定高光譜相機 設(shè) 置高光譜鏡頭背對太陽且斜向下 nullnullnull與葉片垂直架設(shè) 避免 在采集過程中光譜儀吸收太陽光導致成像不準確 圖像采集 時將番茄盆栽置于純色背景板前 以去除復雜背景的影響 同時在地面標定鏡頭與盆栽的相對位置以保證采集距離不 變 從 nullnull盆番茄中選出生長狀態(tài)良好 葉片平展寬大的 nullnullnull 片葉片作為序列采集對象 其中 nullnull片作為接病實驗組 nullnull 片為正常生長健康對照組 為了探究侵染灰霉病番茄葉片光 譜信息隨時間推移而產(chǎn)生的變化 以接種灰霉病菌第 null天 染病第 null天 作為番茄高光譜序列圖像采集的開端 對選定 的葉片以固定姿勢和角度連續(xù)采集 nullnull 圖 null null 番茄葉片高光譜圖像采集示意圖 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnull 由于每天需采集 nullnullnull張葉片 拍攝過程持續(xù)時間較長 為消除光照強度對高光譜圖像成像影響 盡量選取上下午光 照強度相同時間段采集 此外 在光照強度較弱時間段的采 集過程中采用補光燈對番茄盆栽進行補光 并根據(jù)環(huán)境條件 變化 對應采集全白與全黑標定圖像 用作計算不同光照情 況下番茄葉片的光譜反射率值 經(jīng)過對 nullnull盆番茄盆栽連續(xù) 采集 共采集了 nullnullnull片葉片 nullnullnull個光譜波段上的 null天連續(xù)數(shù) 據(jù) 經(jīng)過預處理剔除模糊 過曝等不合格實例后 剩余 nullnullnull 個葉片 實 驗 組 nullnull個 對 照 組 nullnull個 進行光譜信息分析 試驗 圖 null null 接病不同感興趣區(qū)域平均光譜反射率比較 null 染病 null天番茄葉 null 不同感興趣區(qū)域 null 不同區(qū)域平均光譜曲線對比 null 染病 null天與 null天葉面平均光譜曲線對比 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull 第 nullnull期 nullnullnullnullnull nullnullnullnullnull 高榮華等 基于多維隨機森林的番茄灰霉病高光譜圖像早期檢測 nullnullnullnull高光譜圖像預處理 首先對番茄葉片圖像進行鏡頭積分球矯正 null消減光照影 響 null再分別提取葉片病斑部分 null健康部分和整片葉子感興趣 區(qū)域 null獲得對比光譜反射率曲線如圖 null所示 null圖 nullnullnullnull展示了 染病第 null天番茄葉片狀態(tài) null可明顯看出染病區(qū)域呈深褐色 null 圖 nullnullnullnull表示三個不同感興趣區(qū)域選取 null橙色為整片葉片 null綠 色為健康區(qū)域 null紅色為病斑區(qū)域 null對三個區(qū)域光譜反射率做 平均處理得到圖 nullnullnullnullnull可知患病區(qū)域平均光譜與健康區(qū)域有 較大差別 null整片葉片光譜曲線受病斑區(qū)域影響與健康葉片曲 線有輕微差異 null隨著時間延長 null該差異逐漸增大 null如圖 nullnullnullnull 所示 null由此可從整片葉片光譜曲線隨時間延長而產(chǎn)生的變化 來判斷該葉片患病情況 null nullnull 作物在染病初期 null如圖 null所示 null由于無法用肉眼識別患 病區(qū)域 null對 nullnullnull片葉片進行整片光譜信息提取 null其中部分葉 片在不同觀察日存在葉片卷曲 null脫落等問題 null為保證多維序 列樣本完整性 null刪除數(shù)據(jù)維度小于 nullnull的樣本 null共得到 nullnullnull 個可供實驗樣本數(shù)據(jù) null其中 nullnullnullnullnullnull組患病實驗組葉片 nullnullnullnull nullnull null組對照組葉片 null全部接病葉片與健康葉片在連續(xù) null天的 觀測下得到的光譜信息如圖 null所示 null可以看出 null隨著接病天 數(shù)的增加 null葉片的平穩(wěn)反射率在波長 nullnullnull nullnullnullnullnullnullnullnull 區(qū)間內(nèi) 越來越接近 nullnull該變化為病葉判斷提供可能 null以番茄葉片高 光譜圖像的 nullnullnull個通道波長作為序列長度 null將 nullnullnull組試驗樣 本按照近似 nullnullnullnullnull比例劃分為 nullnullnull組訓練數(shù)據(jù)和 nullnull組測試 數(shù)據(jù)進行光譜圖像分析 null 圖 null null 番茄灰霉病染病第 null天葉片的 nullnullnull圖像 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null 圖 null null 連續(xù) null天觀測下的全部樣本光譜反射率變化情況 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull多維光譜序列定義 在探究作物病害的高光譜數(shù)據(jù)中 null光譜序列指一個目標 區(qū)域在相同波長間隔上連續(xù)取反射率值生成的一組數(shù)據(jù) null以 一維光譜序列為基礎(chǔ) null多維光譜序列涵蓋多個觀測時間維 度 null在執(zhí)行分類任務(wù)時 null不僅需要考慮每個維度內(nèi)部的時序 特征 null也需要考慮多個維度之間的關(guān)聯(lián)特征 null多維光譜序列 與病害分類的數(shù)學形式表達如下 nullnullnullnullnullnull一維光譜序列 由 null個有序的觀測值 null nullnullnullnullnullnullnull 組成的序列 nullnullnullnull null null nullnull nullnullnull nullnull null被稱為長度為 null的一維光譜序列 null nullnullnullnullnull null nullnullnullnullnullnull多維光譜序列 由 null個一維光譜序列組成的序列集合 nullnullnullnull null null nullnull nullnullnull nullnull null被稱為維度為 null的多維光譜序列 null每個維度序列的長度 均為 nullnullnull null null null null null null null null null null null null null nullnull多維光譜序列 null 中第 null維序 列的第 null 個觀測值用 null nullnullnull 表示 null nullnullnullnullnullnull基于多維光譜序列病害分類 給定包含 null 個實例的訓練集 nullnullnullnull null null nullnull nullnullnull nullnull nullnull 其中每個實例 null 都是一個長度為 null維度為 null 的多維光譜序 nullnullnullnull 光譜學與光譜分析 nullnullnullnullnullnullnullnullnullnull 第 nullnull卷 列 nullnullnullnullnullnullnull訓練集中的實例都屬于 null個類別之一 nullnull null null患 病 null健康 nullnull多維光譜序列分類的目標是在訓練集 null中學習 多維光譜序列觀測值到所屬類別的映射 null即葉片是否患病 null nullnullnullnullnullnull光譜子序列 給定一個長度為 null的光譜序列 nullnull從第 null個觀測值起 null 截取 null個連續(xù)觀測值組成的新序列 nullnull null null nullnullnullnull nullnullnull nullnullnullnullnullnull null被 稱為光譜序列 null的子序列 null其中 null nullnullnullnullnullnullnullnull null 本試驗數(shù)據(jù)共有 null個特征維度 null分別對應番茄葉片染病 灰霉病菌的第 null天至第 null天 null為了實現(xiàn)番茄灰霉病病害的早 期檢測 null分別制作包含 null nullnull 個特征維度的光譜序列數(shù)據(jù) null例 如特征維度為 null時 nullnullnullnull組實驗樣本只包含實驗葉片染病第 null天至染病第 null天和相同觀測日期的對照葉片數(shù)據(jù) null其他維 度同理 null nullnullnullnullnullnull多維關(guān)聯(lián)光譜序列 維度隨機選擇 null即在構(gòu)建每棵決策樹時隨機選擇 null維光 譜序列中的 null個維度 nullnullnullnullnull生成初始光譜序列 null從而降低 計算復雜度 null同時增加決策樹之間的差異性 null 為了提取初始光譜序列中各個維度之間的關(guān)聯(lián)特征 null計 算初始序列中任意兩條序列之間對應屬性點的差值 null生成與 初始序列長度相同的關(guān)聯(lián)光譜序列 null初始序列 null null 與 null null 之 間的關(guān)聯(lián)序列 null null 的計算公式如式 nullnullnull nullnull null null null nullnullnull null null null nullnullnull null null nullnull nullnullnullnullnull null null null 初始序列維度為 null時 null轉(zhuǎn)換后的關(guān)聯(lián)序列維度為 nullnullnullnullnullnullnull null nullnull null null圖 null null null null null null分別展示了 nullnullnull時初始序列轉(zhuǎn)換為關(guān)聯(lián)序 列的過程 null建模時 null在平衡樣本維度與計算開銷情況下 null序 列維度 null取值為 nullnull即樣本維度 nullnull 時 null隨機選取其中 null維參 圖 null null 初始序列 null 與關(guān)聯(lián)序列 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null null null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null null null 圖 null null 符號聚合近似估計 nullnullnull 方法 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null nullnullnullnullnullnull 與決策樹的構(gòu)建 null樣本維度 nullnull 時則用原維度 null nullnullnullnull光譜序列符號化表達 建立分類器時 null直接采用光譜序列整體的相似性進行分 類的方法時間復雜度較高 null因此為減小模型復雜度 null提取代 表光譜序列局部辨別性的特征進行分類以縮減模型運算規(guī) 模 nullnullnullnull nullnullnullnull 算法 nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null采用符號聚合近似估計 null nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null技術(shù)將時間序列轉(zhuǎn)換到時域空間 null 生成單詞特征 nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null算法采用符 號傅里葉近似 nullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null技術(shù)將 時間序列轉(zhuǎn)換為頻域空間的單詞特征集合 null該兩種符號化方 法允許在離散后的符號表示上定義距離 null運行機器學習算 法 null同時產(chǎn)生與對原始數(shù)據(jù)進行操作的算法相同的結(jié)果 null該 性質(zhì)使得該兩種方法在降維的同時還能夠保留原始序列的大 體形狀 null因此在各類時間序列任務(wù)中被廣泛應用 null nullnullnullnullnullnull光譜序列符號化 給定一個長度為 null的光譜序列 nullnull利用光譜序列符號化 技術(shù)將序列 null或其子序列轉(zhuǎn)換為離散符號組成的字符串 null這 個過程被稱為光譜序列符號化 null nullnullnullnullnullnullnullnullnull方法符號化光譜序列 給定長度為 null 的光譜序列或其子序列 nullnull字母表大小 null null單詞長度 null null將序列分為等長的 null個子序列 null分別計算每 個子序列中各個點的平均值 null基于高斯分布將平均值劃分為 null個區(qū)域 null每個區(qū)域?qū)粋€字符 null將平均值序列離散化為 對應字符 null得到序列 null 對應的字符串 null這個過程就是 nullnullnull 方法 null圖 null展示了采用 nullnullnull方法將長度為 nullnullnull的序列轉(zhuǎn)換 為長度為 null的字符串的過程 null nullnullnullnullnullnullnullnullnull方法符號化光譜序列 nullnullnull方法與 nullnullnull方法類似 null區(qū)別在于 nullnullnull方法不計算 序列的平均值 null而是對序列進行傅里葉變換后將傅里葉系數(shù) 離散處理 null為每個系數(shù)計算合適的離散化分割點 null圖 null展示 了采用 nullnullnull方法將長度為 nullnull的序列轉(zhuǎn)換為長度為 null的字符 串的過程 null 圖 null null 符號傅里葉近似 nullnullnull 方法 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull null nullnullnull null nullnullnullnullnullnull nullnullnullnull加權(quán)隨機森林模型構(gòu)建 隨機森林能較好地學習多個特征維度之間的潛在關(guān)系 null nullnullnullnull 第 nullnull期 nullnullnullnullnull nullnullnullnullnull 高榮華等 null基于多維隨機森林的番茄灰霉病高光譜圖像早期檢測 且復雜度較低 null抗干擾能力強 null因此常被用來處理高維度數(shù) 據(jù) null例如時間序列森林 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnulln