《表3 偏最小二乘法回归模型性能》
利用CARS方法筛选出的特征变量作为P LS模型的输入变量,采用留一交叉法确定最优因子数,采用最优因子数建立CARS-PLS预测模型,并对预测集进行性能比较。由表2可知,CARS-PLS模型中预测集R和RMSEP分别为0.884 3、0.543 6,Full-PLS全变量模型预测集R和RMSEP分别为0.863 1、0.574 9,两个模型都可以较好地对小麦硬度进行预测,前者模型对小麦硬度的预测能力略低于后者,但是CARS-PLS模型仅仅使用了全变量的7.85%的变量,这有助于建模的简单、稳定,在不降低预测性的基础上很大幅度降低了计算量。综上,CARS-PLS能够有效测定小麦硬度,CARS对波长选择能力很强,能够有效剔除无关变量。
图表编号 | XD00218498600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 姜明伟、王彩红、张庆辉 |
绘制单位 | 河南工业大学信息科学与工程学院、河南工业大学信息科学与工程学院、河南工业大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |