《表4 基于3种神经网络和多特征值的棉花受不同数量棉铃虫危害的分类结果》

  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

《电子鼻技术在棉花早期棉铃虫虫害检测中的应用》

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

根据单特征值的分类结果来看，稳定值、平均微分值和面积值的总体分类效果在5种特征值中相对较好，但是仍然需要进行优化。为了更好的表达棉花受虫害的挥发物的电子鼻信号，考虑综合采用稳定值、平均微分值和面积值3种特征值用于分类分析，即将稳定值、平均微分值和面积值3个特征值进行两两组合和3项组合，再进行分类分析。在组合各类特征值前探究了传感器阵列的交叉敏感性对多特征值分类效果的影响，因此进行了传感器阵列优化的预试验，传感器阵列优化方法采用了因子载荷分析和方差分析，结果发现传感器阵列优化前后，基于多特征值的分类效果没有较大提升或者反而下降，原因可能为传感器阵列优化后，有用信息可能也被丢失，造成分类效果提升少或下降。因此本试验中可忽略不同传感器交叉敏感性的影响，考虑直接组合不同类的特征值，不进行传感器阵列的优化，简化试验分析过程。根据表3中的结果，由于基于RBFNN方法的分类表现较差，因此仅将MLPNN方法和ELM方法用于下一步的分类分析，构建分类模型时采用的训练集和测试集的设置同采用单特征值时进行分类分析时的设置相同。表4为基于2种神经网络方法和3种特征值组合对棉花受不同数量棉铃虫危害的分类结果。