作者:李鸿儒,于唯楚,王振营 单位:中国农业机械学会;中国农业机械化科学研究院 出版:《农业机械学报》2020年第02期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFNYJX2020020230 DOC编号:DOCNYJX2020020239 下载格式:PDF + Word/doc 文字可复制、可编辑
《冻融过程对FDR测量土壤体积含水量的影响》PDF+DOC2013年第04期 张爱莉,高磊 《FDR土壤水分传感器原状土壤标定方法研究》PDF+DOC2016年第03期 王黎明,张雪芬,周旭辉,王建波,陈晨,王爱珍 《土壤水分传感器实验室校准与一致性分析》PDF+DOC2015年第20期 高炉东,张继光,王黎明,刘焕乾 《FDR土壤水分传感器在高介电值段失真及准确性分析》PDF+DOC2017年第12期 彭星硕,李若冰,李海鹏,任润浩 《基于嗅觉可视化技术的工夫红茶发酵程度判定方法》PDF+DOC2017年第03期 陈琳,叶阳,董春旺,何华锋 《XGBoost算法与多传感器干扰抑制的甲醛检测系统》PDF+DOC2019年第07期 邹卓娟,陈向东 《土壤水分测量系统设计与实现》PDF+DOC2018年第11期 杨梅,王琪 《基于机器学习的非接触式水位计校准算法研究》PDF+DOC2020年第05期 谢敏,刘秋明,肖贺,刘述民 《低功耗土壤湿度控制仪设计》PDF+DOC2013年第07期 孟强,徐慧,施山菁 《基于AdaBoost算法的智能轮椅避障研究》PDF+DOC2011年第07期 牛景丽,宋瑞菊
  • 针对频域反射技术(FDR)传感器人工标定数据拟合误差大的问题,引入其他地区数据作为辅助数据,建立了基于迁移学习的自动标定模型。该模型将FDR目标使用地点采集的数据作为源域数据,结合辅助数据与少量源域数据,使用TrAdaBoost算法即可得到准确的FDR传感器标定模型。将面向分类问题的TrAdaBoost算法改进为适用于本文面向回归的TrAdaBoost算法,将TrAdaBoost算法的基学习器由AdaBoost改为XGBoost,改进了更新权重误差率的计算方法。首先使用XGBoost对辅助数据进行训练,得到初始标定模型;然后在目标地点采集少量数据,使用改进后的TrAdaBoost算法对初始标定模型进行校准,即可得到准确的FDR标定模型。将10个不同地区站点数据作为辅助数据,训练得到初始标定模型,将沈阳地区6个站点分别作为目标使用地点,取80%数据作为源域数据,进行模型校正,其余20%数据用于测试。测试结果的平均准确率为99. 1%,说明基于迁移学习的自动标定模型是有效和准确的。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。