[发明专利]基于SSDA-HELM-SOFTMAX的农业投入品实时分类预测方法有效
申请号: | 202010658944.3 | 申请日: | 2020-07-09 |
公开(公告)号: | CN111814878B | 公开(公告)日: | 2023-06-06 |
发明(设计)人: | 杨灵;江晗菁;王青秀;陈宁夏;吴霆 | 申请(专利权)人: | 仲恺农业工程学院 |
主分类号: | G06F18/241 | 分类号: | G06F18/241;G06N3/0455;G06N3/048;G06N3/084 |
代理公司: | 广州科捷知识产权代理事务所(普通合伙) 44560 | 代理人: | 钟慧增 |
地址: | 510000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 ssda helm softmax 农业 投入 实时 分类 预测 方法 | ||
1.基于SSDA-HELM-SOFTMAX的农业投入品实时分类预测方法,其特征在于,包括下列步骤:
S1、采集作物种植环境中农业投入品投入前后的数据,所述数据包括投入前后的理化参数及其变化值;
S2、对数据进行特征分析;
S3、对所述数据进行预处理,形成训练样本集;
S4、由训练样本集得到SSDA-HELM-SOFTMAX农业投入品分类预测模型;
S5、将测试样本输入所述SSDA-HELM-SOFTMAX农业投入品分类预测模型,得到农业投入品分类预测结果;
所述S4步骤中由训练样本集得到SSDA-HELM-SOFTMAX农业投入品分类预测模型的方法为:将所述训练样本集中的数据送入SDAE输入层进行SSDA预训练,采用非监督学习方法,逐层预训练加微调得到初始化权值;预训练完成后将SSDA的解码部分去掉,连接HELM网络,将得到的所述初始化权值作为HELM的初始权值,构建SSDA-HELM网络,得到农业投入品的特征值;提取各农业投入品的特征值,并将提取的特征值送入SOFTMAX分类器进行分类预测,得到最终的SSDA-HELM-SOFTMAX农业投入品分类预测模型;
所述S4步骤中由训练样本集得到SSDA-HELM-SOFTMAX农业投入品预测模型的具体算法步骤为:
S41、选择SSDA网络的隐藏层数,初始化SSDA网络深度k,X1=X;X=[x(1),x(2),...,x(m)]T,隐藏层的节点数为将SSDA网络的解码部分删除,与HELM网络对接,构建所述SSDA-HELM网络;
S42、从第一隐藏层开始,通过SSDA网络训练得到隐藏层的输入权重Wi和隐层偏置bi,并将权重Wi和隐层偏置bi作为输入权值对所述SSDA-HELM网络进行初始化;
S43、由预训练得到的输入权重Wi和隐藏层偏置bi,计算隐藏层输出矩阵A:Ai=Hi-1Wli,其中Ai为第i层节点输出;Hi-1为第i层节点输入;Wli为权值矩阵;
S44、根据ELM理论:
其中,H是隐层节点的输出,β为输出权重,T为期望输出,g(x)为激活函数,Wi=[wi,1,wi,2,...,wi,n]T为输入节点和第i个隐节点之间的权重,βi为第i个隐节点和输出节点之间的权重,bi是第i个隐层节点的偏置;Wi·Xj表示的是Wi和Xj的内积;计算神经网络输出权重矩阵其中,为矩阵A的广义逆矩阵;
S45、进一步计算输出结果:其中为第i层输出,Hi-1为第i层输入,g(·)为隐藏层的激活函数;
S46、重复上述步骤S42~S45,直至完成最后一层隐藏层的输出计算,得到特征值;
S47、将提取的特征作为输入值,送入SOFTMAX分类器进行分类预测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于仲恺农业工程学院,未经仲恺农业工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010658944.3/1.html,转载请声明来源钻瓜专利网。