基于自编码神经网络高阶特征提取的温室环境因子高维数据压缩方法

来源：中国农机化学报杂志2026年第1期北京时间：

作者：冷令, 王琳, 吕金洪, 李浩欣, 吴伟斌, 高婷

单位：1. 中山职业技术学院，广东中山，528400； 2. 中山市中等专业学校，广东中山，528458；3. 华南农业大学，广州市，510642

摘要：针对温室环境数据的维度高、冗余性强，导致数据处理存在压缩比低和峰值信噪比较高的问题，提出基于自编码神经网络高阶特征提取的温室环境因子高维数据压缩方法。应用改进回归方程，填补温室环境因子数据中的缺失值，针对深度自编码神经网络的内部协变量迁移现象，加入自适应平衡层，结合小批量梯度下降法，构建深度自适应平衡自编码神经网络，提取温室环境因子高阶特征，基于矢量量化思想，判断相对误差，通过实施新码书计算，获得各划分的质心，根据码书训练结果，设计高维数据压缩方法。结果表明，当数据量超过50GB时，所设计方法的压缩比下降0.7个百分点，降幅为3.8%，整体压缩性能表现优异；峰值信噪比随着采样率变大并未大幅下降，仅降低4dB，降幅为7.5%，压缩峰值信噪比具备更优的重建保真度。该方法具有更高的压缩比且有效降低信噪比，对提高温室管理的智能化水平具有借鉴价值。

关键词：改进回归方程,改进回归方程,自编码神经网络,自编码神经网络,高阶特征提取,高阶特征提取,温室环境因子,温室环境因子,高维数据压缩,高维数据压缩

基金资助：广东省普通高校重点领域专项科技服务乡村振兴项目（2023ZDZX4133）；中山市社会公益与基础研究专项项目（2024B2026）；广东省（深圳）数智农服产业园建设（FNXM012022020—1—03）