《表3 基于NRS-RF模型的稻谷宜存状态分类结果》

  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

《基于近红外光谱及邻域粗糙集算法的稻谷贮藏品质无损鉴别》

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

加粗数据表示分类正确的样本数量及分类准确率。

基于NRS算法，利用组合1和组合2各自优选出的特征波长变量与RF相结合，分别建立NRS-RF-1和NRS-RF-2分类模型用于稻谷贮藏品质的鉴定，分类结果如表3所示。模型NRS-RF-1和NRS-RF-2在校正集的分类准确率相互接近（CCR均>94%），均达到较理想分类结果，其中，对重度不宜存状态的稻谷样品的判别均只误判了1个。进一步分析可知，由于轻度不宜存属于过度存储状态，致使处在宜存和重度不宜存状态的稻谷样品易被误分为该状态（脂肪酸含量处于阈值边缘的样本）。针对测试集样本，两个模型的分类能力均呈现出下降趋势，NRS-RF-1的CCR为93.68%，错误判别了6个样本数据，而NRS-RF-2模型的分类能力下降明显，CCR为86.31%，13个样本被错误划分为其他类。综合考虑可知，NRS-RF-1模型的分类能力与稳定性要优于NRS-RF-2模型，组合1优选出的10个特征波长变量更能表征稻谷贮藏品质的本质特性。