《表1 基于全波段与特征波段的分类结果》

  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

《基于高光谱成像技术的富士苹果轻微机械损伤检测研究》

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

支持向量机（support vector machine，SVM）是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势[18，19]。为了验证特征波段的有效性，本研究将试验组数据按照2∶1随机划分成建模集（320个）和测试集（160个），分别基于全波段和特征波段S1、S2建立SVM损伤分类模型，在模型中使用径向基函数作为核函数，利用3折交叉验证确定最佳参数C和g，C和g的取值范围都设置为[2-5，25]，步长都设置为0.2，分类结果如表1所示。可以看出，基于全波段和特征波段S1模型的识别效果基本一致，虽然特征波段S2的数量仅占全波段的2.15%，但对损伤的识别却取得了较好的效果，能够同时满足苹果轻微损伤检测的速度和精度需求。