張黎黎
為探究水稻紋枯病檢測(cè)方法,指導(dǎo)水稻變量施藥并提升水稻品質(zhì),研究學(xué)者利用極限學(xué)習(xí)機(jī)(ELM)建立無人機(jī)高光譜水稻紋枯病診斷模型,并利用粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)對(duì)模型進(jìn)行優(yōu)化。PSO是一種仿生優(yōu)化算法,該算法的核心思想是通過模擬鳥類群體的覓食行為形成的,采用PSO算法尋找ELM中權(quán)重和閾值的全局最優(yōu)值,優(yōu)化選擇ELM的隱含層偏差和輸入層權(quán)重,從而計(jì)算出輸出權(quán)重矩陣。該研究表明,經(jīng)PSO優(yōu)化后的模型,在提升ELM運(yùn)行速度的前提下精度提高約15%。PSO算法具體優(yōu)化過程如下。
(1)參數(shù)初始化。設(shè)置粒子群的最大迭代次數(shù)K,種群規(guī)模M,學(xué)習(xí)因子,權(quán)重因子ω,粒子維數(shù)D。
天牛須優(yōu)化算法(Beetle Antennae Search Algorithm,BASA)是一種高效智能的優(yōu)化算法,該算法是通過模仿天牛和甲蟲覓食原理而形成的。算法具有運(yùn)算量小、運(yùn)算速度快、尋優(yōu)能力強(qiáng)等特點(diǎn)。為獲取水稻植株的氮素含量情況,指導(dǎo)農(nóng)戶進(jìn)行合理的追肥。有研究利用ELM構(gòu)建了高光譜水稻氮素含量檢測(cè)模型。并利用BAS對(duì)該模型進(jìn)行了優(yōu)化。研究以篩選后的特征波段作為反演模型的自變量輸入量,該算法的具體優(yōu)化流程如下。
(1)參數(shù)初始化。設(shè)定ELM的隱含層神經(jīng)元數(shù)量,根據(jù)神經(jīng)元的個(gè)數(shù)和輸入量的維度確定自變量維度,初始化天牛須算法的起始步長step、步長更改系數(shù)eta、迭代次數(shù)以及維參數(shù)自變量。
(2)計(jì)算方向向量。根據(jù)正態(tài)分布的方式,得到在每次迭代過程中的一維自變量變化的方向向量,記為dire。