论文部分内容阅读
摘要：局部线性嵌入（LLE）算法在实际应用中存在显著的缺陷，其中之一就是必须确定近邻参数k。本研究提出一种新的监督自适应LLE算法。根据Fisher投影距离构造了一个相似判断准则，用它设置阈值来帮助选择参数k。不同的样本可以根据其所处数据区域分布的密集程度自适应地选择不同的k值。将这种方法应用于植物叶片分类识别中，试验结果表明叶片平均识别率达到了92.4%，优于传统的LLE和监督的LLE方法。
关键词：监督式局部线性嵌入，流行学习，Fisher投影，临近自适应，叶片识别，精准农业
DOI： 10.3965/j.ijabe.20130603.007
文献来源：Yan Qing， Liang Dong， Zhang Dongyan， Wang Xiu. Recognition algorithm for plant leaves based on adaptive neighborhood optimization supervised locally linear embedding. Int J Agric
关键词：监督式局部线性嵌入，流行学习，Fisher投影，临近自适应，叶片识别，精准农业
DOI： 10.3965/j.ijabe.20130603.007
文献来源：Yan Qing， Liang Dong， Zhang Dongyan， Wang Xiu. Recognition algorithm for plant leaves based on adaptive neighborhood optimization supervised locally linear embedding. Int J Agric