TY -的A2 -都拉佐,亚历山德拉AU - Li Xueying盟——球迷,记者AU - Li Zongmin AU -陈,广元盟,邱家盟,侯Guangli PY - 2021 DA - 2021/09/03 TI -土壤分类基于深度学习算法和可见近红外光谱学SP - 1508267六世- 2021 AB -土地覆盖的变化将导致气候和环境的变化特点,对社会经济有重要的影响和生态系统。土地覆盖的主要形式是不同类型的土壤。与传统方法相比,可见光和近红外光谱技术可以区分不同类型的土壤迅速、有效和无损。基于可见近红外光谱分析技术,本文以六种不同的土地覆盖类型的土壤在青岛,中国果园、林地,茶园,农田,裸露的土地,和草原为例,建立了一个卷积神经网络分类模型。不同数量的训练样本的分类结果进行了分析并与支持向量机算法。条件下,Kennard-Stone算法把校准,六种不同的土壤类型的分类结果和单6个土壤类型由卷积神经网络优于支持向量机。条件下的随机划分校准设置根据1/3的比例和1/4,卷积神经网络的分类结果也更好。本研究的目的是分析土地覆盖分类的可行性与小样品卷积神经网络,根据深度学习算法,探索新的方法快速、无损、准确的土地覆盖分类。SN - 2314 - 4920你2021/1508267 / 10.1155——https://doi.org/10.1155/2021/1508267——摩根富林明——《光谱学PB - Hindawi KW - ER