《表3 Bayes判别函数式摘要》

  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

《舰船甲板油漆红外指纹图谱的无损鉴别》

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

试验借助Bayes判别构建模型，得到各样本原始光谱、一阶导数光谱和二阶导数光谱的判别函数摘要，见表3。相关性表明不同分组与各函数间相关性越强，组别在此维度上的差异越大；Wilks′lambda是组内平方和与总平方和之比，其值越小，说明某个量对于模型的影响越显著；Sig.是显著性，一般取值需小于0.05。原始光谱模型中构建了6个判别函数，前2个函数的Wilks′Lambda均为0，表明前2个函数对模型的影响十分显著，Sig.值为0，表明函数1、2对模型影响的显著性十分高，能很好解释各样本的分类情况。一阶导数和二阶导数模型中构建了4个判别函数，前2个函数的Wilks′Lambda均小于0.1，Sig.值为0，表明前2个函数能很好地解释各样本的分类情况。选择前2个函数作为判别函数，分别构建原始光谱、一阶导数光谱和二阶导数光谱的判别分类模型，得到5种类型样本的分类结果，见表4。可知，原始光谱模型中醇酸树脂（磁漆）型有1个样本误判，醇酸树脂（调和）型有2个样本误判，一阶导数光谱模型中醇酸树脂（磁漆）型样本和醇酸树脂（调和）型均有2个样本误判，二阶导数模型中醇酸树脂（磁漆）型样本和醇酸树脂（调和）型各有1个样本误判，其分类准确率最高为96%，分类结果较理想。表明二阶导数结合Bayes判别可有效开展对轮胎橡胶颗粒的区分鉴别，其构建的分类模型分类效果更好。