《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》

  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

《基于人工嗅觉系统的土壤有机质检测方法研究》

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

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。