《表4 基于PCA-RF和SPA-RF模型的稻谷贮藏品质分类结果》

  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。

为了验证NRS-RF-1模型的分类能力，进一步采用常规的主成分分析（PCA）和连续投影算法（SPA）分别对原始光谱数据进行降维处理，沿用RF算法分别建立PCA-RF和SPA-RF分类模型用于稻谷贮藏品质的鉴别，结果如表4所示。PCA-RF模型校正集与测试集分类准确率均<90%，分别为88.94%，86.31%，其中校正集与测试集分别有21，13个稻谷样本的宜存状态被误判到其他类属。模型分类能力明显不及NRS-RF-1模型。SPA-RF模型的分类能力略优于PCA-RF模型，校正集CCR达到94.73%，仅10个样本状态判别错误，测试集CCR下降到89.47%，表明SPA-RF模型的分类稳定性还需进一步提升。