《表3 掺假样品特征波长建立的多元线性回归模型预测结果》
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
《高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉》
最优波长选取后,因其波长变量的数量少于建模样品的数量,采用MLR建模方式重新建模,以取得最优的预测效果[31],通过三种不同的波长选择方法选出的特征波长,构建三种多元线性回归方程,结果如表3。由表3可以看出,通过SPA特征波长提取方法结合MLR建模方法,所建立的模型性能最优,与其他模型相比,SPA-MLR模型校正集和交叉验证集RMSE最小,说明在新建立的MLR模型中SPA-MLR模型的预测精度最高,且RMSEP(5.31%)>RMSECV(4.42%)>RMSEC(3.23%),说明建立模型所选的校正集与预测集具有代表性,模型的拟合度较高,与表2中PLSR模型的最优结果比较可以看出,运用SPA筛选的最优波长建立的MLR模型(SPA-MLR),RP2和RMSEP分别为0.97和5.31%,预测效果好于PLS-β-PLSR模型(RP2=0.96,RMSEP=6.07%)。此外,SPA-MLR模型的RPD值大于PLS-β-PLSR模型(6.82>5.65),进一步说明SPA-MLR的模型预测性能较好。具体预测效果如图6所示。
图表编号 | XD00138553000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 朱亚东、何鸿举、王魏、蒋圣启、马汉军、刘玺、刘苏汉、朱明明、赵圣明、王正荣 |
绘制单位 | 河南科技学院食品学院、河南科技学院食品学院、河南科技学院博士后研发基地、河南科技学院食品学院、河南科技学院食品学院、河南科技学院食品学院、河南科技学院博士后研发基地、河南科技学院食品学院、河南科技学院新科学院、河南科技学院食品学院、河南科技学院食品学院、河南科技学院食品学院 |
更多格式 | 高清、无水印(增值服务) |