Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

09.07.2018 | Ausgabe 4/2018

Advances in Manufacturing 4/2018

Hidden feature extraction for unstructured agricultural environment based on supervised kernel locally linear embedding modeling

Zeitschrift:
Advances in Manufacturing > Ausgabe 4/2018
Autoren:
Zhong-Hua Miao, Chen-Hui Ma, Zhi-Yuan Gao, Ming-Jun Wang, Cheng-Liang Liu

Abstract

An online hidden feature extraction algorithm is proposed for unknown and unstructured agricultural environments based on a supervised kernel locally linear embedding (SKLLE) algorithm. Firstly, an online obtaining method for scene training samples is given to obtain original feature data. Secondly, Bayesian estimation of the a posteriori probability of a cluster center is performed. Thirdly, nonlinear kernel mapping function construction is employed to map the original feature data to hyper-high-dimensional kernel space. Fourthly, the automatic determination of hidden feature dimensions is performed using a local manifold learning algorithm. Then, a low-level manifold computation in hidden space is completed. Finally, long-range scene perception is realized using a 1-NN classifier. Experiments are conducted to show the effectiveness and the influence of parameter selection for the proposed algorithm. The kernel principal component analysis (KPCA), locally linear embedding (LLE), and supervised locally linear embedding (SLLE) methods are compared under the same experimental unstructured agricultural environment scene. Test results show that the proposed algorithm is more suitable for unstructured agricultural environments than other existing methods, and that the computational load is significantly reduced.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 4/2018

Advances in Manufacturing 4/2018 Zur Ausgabe

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Bildnachweise