买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明提供一种针对小样本水体的叶绿素含量辅助预测方法及系统，涉及生物环境科学技术领域，该方法包括获取水体相关数据；对数据进行预处理得到理想数据集；计算平均影响值，对理想数据集进行降维操作处理；设置混合训练集与测试集，并将每个样本设置权重与样本更新系数；将数据集和权重向量相结合，对基本弱回归模型进行训练，并且不断更新样本权重；不断重复建立模型，保存记录每一次的弱回归模型，最终选择效果最好的回归模型作为强回归模型；将测试样本输入所述强回归模型中，得到测试样本的叶绿素预测值。本发明利用水环境影响因子与叶绿素之间、不同水环境之间的相关性，为叶绿素预测过程建立低成本和高泛化性能的叶绿素预测模型。

主权项：1.一种针对小样本水体的叶绿素含量辅助预测方法，其特征在于，包括：S1：采集不同环境下的水体信息，获取水体的相关数据，并构建数据集，其中所述数据集包括小样本水体相关数据和辅助样本水体相关数据，小样本水体和辅助样本水体来自不同环境；S2：对所述相关数据进行预处理，得到理想数据集；S3：基于所述理想数据集，计算平均影响值，并对理想数据集进行降维处理；S4：根据降维后的数据集，设置混合训练集与测试集，并将每个样本设置权重与样本更新系数，具体包括：S41：设置混合训练集T中每个样本的初始权重 式中，n是混合训练集中来自辅助样本集的样本，m是混合训练集中来自小样本水体的样本数量；S42：定义针对辅助样本集的样本权重更新系数β： S5：将降维后的数据集和权重向量相结合，对基本弱回归模型进行训练，并且不断更新样本权重，具体包括：S51：设置样本权重分布 式中，为第t次迭代的样本权值，n是混合训练集中来自辅助样本集的样本，m是混合训练集中来自小样本水体的样本数量；S52：将样本权重分布与样本相乘，并且根据相乘后的数据集训练一个弱回归器ftx；S53：计算函数误差 其中 式中，xi为训练样本，yi为测试样本；S54：计算平均误差et： S55：定义目标样本集的更新系数βt：βt＝et1-et；S56：更新样本权重： S57：基于新的样本权重，得到一个新的BP神经网络；S6：不断重复S4-S5，保存记录每一次的弱回归模型，最终选择预测效果最好的回归模型作为强回归模型；S7：将测试样本输入所述强回归模型中，得到测试样本的叶绿素预测值。

全文数据：

权利要求：

百度查询： 江南大学 一种针对小样本水体的叶绿素含量辅助预测方法及系统