《表4 掺杂玉米粉样品在不同比例训练集下各模型的训练时间》

  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

《基于深度信念网络的近红外光谱鉴别莲子粉掺假》

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

在所有比例作物粉掺入莲子粉并且训练集数目达到600时，SVM平均准确率达到了98%，而DBN平均准确率达到了96%。但经过对数据的深入处理，发现除15%的掺入比例外，DBN的准确率都比SVM要高，但在掺入比例为15%的其他作物粉的莲子粉，SVM的精确度达到了100%，而DBN的准确度在96%左右。虽然准确率在此比例下DBN较SVM而言并无优势，但总体上来讲，DBN的平均准确率要比传统的模型平均准确率要高。而且在现实情况下不可能对所有的莲子粉进行鉴定并且标定分类，DBN能够有效识别掺假比例在25%以内的其他作物粉的莲子粉，可以为莲子粉真伪鉴别提供一个有效的手段。训练集数量较多时使用DBN精确度明显高于传统的模型，在当前大数据的背景下结合此法能够快速有效的进行预测与分类。