潜在狄利克雷分配揭示干旱胁迫植物的光谱特征
机器学习
2012-10-19 v1 计算工程、金融与科学
机器学习
摘要
了解植物对干旱胁迫的适应过程对于改进管理实践、育种策略以及为未来几十年的可持续农业培育可行作物至关重要。高光谱成像提供了一种特别有前景的方法来获取这种理解，因为它允许非破坏性地发现主要由叶片内部结构和生化成分的散射及吸收特性所支配的植物光谱特征。已有几种干旱胁迫指数是利用高光谱成像推导出来的。然而，它们通常仅基于少量高光谱图像，依赖专家的解释，且仅考虑少数波长。在本研究中，我们提出了第一种数据驱动的方法来发现光谱干旱胁迫指数，将其视为大规模的非监督标记问题。为了利用光谱波长的短程依赖性，我们开发了一种带有卷积狄利克雷正则化项的潜在狄利克雷分配 (LDA) 在线变分贝叶斯算法。该方法可扩展至海量数据集，因此为植物生理学实践提供了一种更客观的补充。发现的光谱主题符合植物生理学知识，且与现有 LDA 方法相比，其计算时间仅需一小部分。
引用
@article{arxiv.1210.4919,
title = {Latent Dirichlet Allocation Uncovers Spectral Characteristics of Drought Stressed Plants},
author = {Mirwaes Wahabzada and Kristian Kersting and Christian Bauckhage and Christoph Roemer and Agim Ballvora and Francisco Pinto and Uwe Rascher and Jens Leon and Lutz Ploemer},
journal= {arXiv preprint arXiv:1210.4919},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Eighth Conference on Uncertainty in Artificial Intelligence (UAI2012)