精品学术沙龙之机器学习在农业领域中的应用

作者: 信息院研分会  提交时间:2018/5/24 21:25:05  浏览:349   [打印本篇文章]

   5.9号下午2:00,在教学楼D503教室开展了以“投稿指南,走进学术”为主题的沙龙活动,有幸邀请了南京农业大学信息学院计算机科学技术专业研二的万升和桑江徽学长。两位学长主要介绍了目前研究的内容和投稿论文的经验。


   万升学长首先介绍了研究背景,高光谱图像包含了丰富的光谱信息,像素点的光谱特征能够反映出自身所属地物的属性,因此,有监督的分类方法在高光谱图像的分类中应用广泛,然而种类方法存在只关注了单独的像素点,而忽略了像素点之间的关联的缺陷,针对这一缺陷,提出了一种基于多尺度空谱鉴别特征的高光谱图像分类算法,经过实验,该算法取得了不错的效果。这就是他研究高光谱图像的主题思路。



   桑江徽学长主要介绍的是迁移学习,迁移学习是机器学习中的一个分支,目前正处于火热发展时期,即通过特征迁移方法将领域的样本特征转化为与目标领域的相似的潜在特征,再基于潜在特征训练多标记分类模型。



   接着学长又介绍了发表论文中的三大核心部分:子空间的嵌入、超图拉普拉斯学习以及算法求解和验证。通过此次的报告,让我们了解到目前学术研究的一些热点以及在发论文时的注意事项,从中获益良多

   5.10号上午10:00,在教学楼D503教室开展了以“投稿指南,走进学术”为主题的沙龙活动,有幸邀请了南京农业大学信息学院计算机科学与技术研二李亦白同学,主要介绍了目前研究的内容和投稿论文的经验。

李亦白学姐首先介绍了基于深度学习的苹果光强度分布分析,采用了深度卷积神经网络对仿真苹果表面光亮度图的光学参数进行回归学习,然后提取相关特征,并用反卷积方法进行特征可视化。其次介绍了基于迁移学习的苹果光学参数反演,使用迁移学习的方法对模型进行迁移,用实测测数据进行训练,反演实测光学参数,用反演得到的光学参数估算苹果品质参数(糖度、硬度、水分)。

   通过此次的报告,让我们了解到目前学术研究的一些热点以及在发论文时的注意事项,从中获益良多。