基于多元统计方法的农业发展多类分类模型
机器学习
2020-10-08 v2
摘要
马哈拉诺比斯田口系统（MTS）是一种广泛用于特征选择和二值分类问题的多元统计方法。当分类问题中涉及较多因素时，MTS 中正交阵列和信噪比的计算使算法变得复杂。此外，其决策基于数据集中正常与异常观测的准确性。本文提出一种基于正常观测和马哈拉诺比斯距离、用于农业发展的改进马哈拉诺比斯田口系统（IMTS）多类模型。已识别出与作物栽培相关的 26 个输入因素，并将其聚类为 6 个主要因素以构建模型。该多类模型在考虑各因素相对重要性的基础上建立。定义了一个目标函数用于对三种作物（即水稻、甘蔗和花生）进行分类。分类结果已与田间工作的农业专家所得结果进行核对。与其他传统分类器模型相比，所提出的分类器提供了 100% 的准确率、召回率、精确率以及 0% 的错误率。
引用
@article{arxiv.2009.05783,
title = {Multiclass Model for Agriculture development using Multivariate Statistical method},
author = {N Deepa and Mohammad Zubair Khan and Prabadevi B and Durai Raj Vincent P M and Praveen Kumar Reddy Maddikunta and Thippa Reddy Gadekallu},
journal= {arXiv preprint arXiv:2009.05783},
year = {2020}
}
备注
in IEEE Access