《表3 偏最小二乘法回归模型性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CARS变量选择方法的小麦硬度测定研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。