《表1 基于全波段光谱的SVM分类结果》
生菜样品原始光谱分别经SG、SNV和MSC算法预处理后,比较分析其对原始光谱数据的影响。每类样本按3∶1的比例选取训练集和预测集,采用支持向量机分别进行分类建模分析。原始数据以及不同预处理后的数据建模结果如表1所示。从表1可知,4种不同数据建模结果中原始全波段数据预测效果最差,预测集精度为80%,SNV预处理后的预测效果最佳,训练集精度为100%,预测集精度为93.33%。由SNV预处理后的光谱曲线(图3)可知,SNV可实现原光谱数据的标准正态化,有效地校正样品因散射引起的光谱差异。因此,本研究选用SNV为原始光谱数据的预处理方法。
图表编号 | XD0071810400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.20 |
作者 | 李春雨、葛啸、金燕婷、孙俊 |
绘制单位 | 江苏大学电气信息工程学院、江苏大学电气信息工程学院、江苏大学电气信息工程学院、江苏大学电气信息工程学院 |
更多格式 | 高清、无水印(增值服务) |