[1]金亚波, 李桂湘, 韦建玉等. 云南玉溪植烟区气候--土壤因子聚类分析[J]. 土壤通报, 2010, 41(2): 275-281. [2]李强, 周冀衡, 张一扬等. 基于地统计学的曲靖植烟土壤主要养分丰缺评价[J]. 烟草农学, 2012, 11: 69-73. [3]邹娟, 鲁剑巍, 周先竹等. 湖北省主要植烟区土壤肥力状况及分析[J]. 长江流域资源与环境, 2015, 24(3): 504-509. [4]邹凯, 肖钦之. 邵阳烟区气象因素与烤烟化学因子相关性分析[J]. 湖南农业科学, 2017, 9: 24-27. [5] 李永富. 湖南省邵阳烟区土壤有效锌含量时空特征及其影响因素[J].中国烟草学报, 2015, 21(1): 53-58. [6] 邓小华等, 邓井青, 宾波, 等. 邵阳植烟土壤有机质含量时空特征及其他土壤养分的关系[J].烟草科技, 2014, 6: 82-86. [7] 李航. 统计学习方法[M]. 北京: 清华大学出版社, 2012. [8] 李靖华, 郭耀煌. 主成分分析用于多指标评价的方法研究——主成分评价[J]. 管理工程学报, 2002, 16(1):39-43. [9] VAPNIK V. N.. The Nature of Statistical Learning Theory[M], Spring Verlag Press, New York, America,1995. [10] 王笑冰, 张红燕, 谢元瑰等. 基于GS-SVR的耕地面积预测及其驱动因子分析[J].中国农学通报, 2013, 29(23): 210-215. [11] 袁哲明, 张永生, 熊洁仪.基于SVR的多维时间序列分析及其在农业科学中的应用[J]. 中国农业科学, 2008, 41(8): 2485-2492. [12] 杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究[J]. 武汉大学学报(信息科学版), 2010, 35(2): 248-251. [13] 李星, 陈渊, 张永生,等. 基于支持向量回归与地统计学的多维时间序列分析[J]. 中国农学通报, 2011, 27(29):133-138. [14] 汤荣志, 段会川, 孙海涛. SVM训练数据归一化研究[J]. 山东师范大学学报(自然科学版), 2016, 12(15): 114-117. [15] Breiman L. Random forests[J]. Machine learning, 2001,45(1): 5-32. [16] 曹正凤. 随机森林算法优化研究[D]. 北京:首都经济贸易大学, 2014. [17] 崔东文. 随机森林回归模型及其在污水排放量预测中的应用[J]. 供水技术, 2014, 8(1):31-36. [18] 顾娟, 林敏, 鞠桂玲. 基于随机森林回归的军械器材需求预测[J]. 自动化应用, 2017(9). [19] Ho, Tin Kam. Random Decision Forest[J]. In Proceedings of the 3rd International Conference on Document Analysis and Recognition. Montreal, Canada, 1995, 8: 278-282. [20] 曹正凤. 随机森林算法优化研究[D]. 北京:首都经济贸易大学, 2014.
|