《表2 判别函数摘要：基于多元分析的车漆红外指纹光谱识别研究》

  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

《基于多元分析的车漆红外指纹光谱识别研究》

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

光谱数据维度过高会使样本特征过多，不仅增加计算的复杂度和时间成本，且降低构建模型的精度，因此样本有效信息的提取及无用信息的摒弃十分重要[22]。试样采集的光谱数据为200维，维度较高，需通过降维获取样本有效特征。借助主成分分析，选择降维后的1维～50维等共计50个维度的特征变量、Bayes判别、K近邻（KNN）、径向基函数神经网络（RBF）和多层感知器（MLP）构建分类模型，对4种模型光谱数据进行识别，求得不同维度各分类模型的判别准确率，表2列举了其中7个维度的各模型分类准确率。