《表1 模型性能对比结果:基于人工嗅觉系统的土壤有机质检测方法研究》
图8、10、12分别显示了嗅觉特征空间优化前后,不同测定算法所建模型的预测效果。为了更直观地对比分析,将各模型的性能评价指标列于表1。从表1可得出,与未优化前模型性能相比,经MCS方法剔除异常样本后,PLSR、SVR和BPNN模型的R2分别提升了8.7%、3.5%和29.2%,RMSE分别降低了0.5%、2.5%和13.2%,RPD分别提升了1.9%、6.0%和17.3%。由此可见,所有模型的性能指标均得到了提升,这说明MCS方法能有效地检测出异常样本。
图表编号 | XD00135830000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 朱龙图、李名伟、夏晓蒙、黄东岩、贾洪雷 |
绘制单位 | 吉林大学生物与农业工程学院、吉林大学工程仿生教育部重点实验室、吉林大学生物与农业工程学院、吉林大学工程仿生教育部重点实验室、吉林大学生物与农业工程学院、吉林大学工程仿生教育部重点实验室、吉林大学生物与农业工程学院、吉林大学工程仿生教育部重点实验室、吉林大学生物与农业工程学院、吉林大学工程仿生教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |