论文部分内容阅读
在农业土壤重金属高光谱检测领域，土壤镉元素近红外光谱的高维、高冗余特性会严重影响高光谱反演模型的准确性和稳定性。为了解决上述问题，本文提出一种基于斯皮尔曼相关分析的遗传随机森林特征选择算法（SGA-RF）。该算法首先对初始特征集合使用基于斯皮尔曼相关分析的特征预选方法，筛选出大量冗余波段，保留与镉元素相关性最强的特征波段；其次在特征精选阶段，提出一种基于随机森林的适应度函数评估方法，该方法充分结合遗传算法强大的全局搜索能力和随机森林算法较高的反演能力，提高了对相似个体的区分能力，获得具有最小冗余度和最大区