利用深度聚类算法高效建立食用菊花幼苗质量分级标准
机器学习
2024-09-16 v1 人工智能
定量方法
摘要
建立合理的食用菊花幼苗分级标准有助于促进幼苗发育，从而提高植物品质。然而，当前的分级方法存在若干问题。仅支持少数指标的限制导致信息丢失，且用于评估幼苗等级的指标选择适用范围狭窄。此外，一些方法误用了数学公式。因此，我们提出了一个简单、高效且通用的框架 SQCSEF，用于建立幼苗质量分级标准，该框架具有灵活的聚类模块，适用于大多数植物物种。在本研究中，我们引入了最先进的深度聚类算法 CVCL，使用因子分析将指标划分为多个视角作为 CVCL 方法的输入，从而产生更合理的聚类，并最终得到食用菊花幼苗的分级标准 。通过进行大量实验，我们验证了所提出的 SQCSEF 框架的正确性和效率。
关键词
引用
@article{arxiv.2409.08867,
title = {Establish seedling quality classification standard for Chrysanthemum efficiently with help of deep clustering algorithm},
author = {Yanzhi Jing and Hongguang Zhao and Shujun Yu},
journal= {arXiv preprint arXiv:2409.08867},
year = {2024}
}