《表4 几种方法所建模型性能比较》

  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

《优化的近红外光谱LS-SVM模型测定小麦蛋白质》

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

为进一步确定优化LS-SVM模型的效果，还分别用CARS-PLS和未优化的SVM(Support Vector Machine，支持向量机）、LS-SVM方法对相同的样本集建模并验证，与优化LS-SVM模型及表1的PLS模型进行性能比较，结果如表4所示。CARS-PLS模型选取的特征波长数最少，各项性能指标明显优于PLS模型，其RPD值达到了ICC(International association for cereal science and technology，国际谷物科技协会）标准等级“好”；未经优化的SVM模型则表现不理想，这也正好印证了参数优化对于建立非线性模型的重要性。相比之下，LS-SVM模型的性能优于前三种模型，充分体现其用于小麦蛋白质近红外光谱分析的方法优势；但未经优化的LS-SVM模型稳健性尚有欠缺，故其预测表现较建模指标有明显下降。采用此次试验建立的方法获得最优建模参数和特征波长之后，LS-SVM模型的稳健性和预测精度显著提高，尤以方案B对应的模型性能最佳，其Rc2和Rp2分别达到0.995 8和0.984 2，RMSEC和RMSEP分别为0.145 3和0.192 4，两对指标值都相差很小，且RPD值为8.02，已达到ICC标准等级“非常好”。