声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：李鸿儒,于唯楚,王振营
单位：东北大学,东北大学,沈阳巍图农业科技有限公司,
关键词：FDR土壤水分传感器; 自动标定; 迁移学习; TrAdaBoost; XGBoost
基金：国家重点研发计划项目（2017YFB0304205）和国家自然科学基金项目（61533007）
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。
来源：2020年第2期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。