《表2 不同水分定量预测模型结果》
如表2所示,LS-SVM的预测效果优于BP-ANN和iPLSR,而BP-ANN预测模型的预测效果又优于iPLSR预测模型,当选择7为最佳主成分数时,LS-SVM模型的预测效果最佳,其中RC为0.99、RP为0.98、RMSECV为0.01、RMSECP为0.01。iPLSR预测模型相对于BP-ANN预测模型识别效果低的原因可能是由于内部算法的不足,iPLSR是基于区间光谱进行建模,模型的识别率与所选取的区间相关,区间选取较少会引起相关信息丢失,导致所建模型代表性不足;BP-ANN采用的是前几个最优主成分建立的非线性模型,通过误差反向传播的多层前馈网络,当输入不等于输出时则进行反向传播过程,直到网络的全局误差小于给定值后训练终止,然而这种模型过分的强调校正集误差,引起模型的泛化能力降低,尽管取得了较高的校正集识别率,但模型的整体预测能力不高。LS-SVM预测模型是在经典算法iPLSR和SVM上进行的改进,代替了经典SVM算法中复杂的二次优化问题获得支持向量,能够在少量的训练样本中进行高维特征空间学习,降低了模型的复杂度、提高了模型运算效率,与文献中经过优化的水分定量预测模型相比[29],校正集识别率较高。因此,在后续的计算中均采用LS-SVM定量模型进行运算。
图表编号 | XD00154674900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 石吉勇、刘传鹏、吴胜斌、黄晓玮、李志华、邹小波 |
绘制单位 | 江苏大学食品与生物工程学院、江苏大学食品与生物工程学院、江苏大学食品与生物工程学院、江苏大学食品与生物工程学院、江苏大学食品与生物工程学院、江苏大学食品与生物工程学院 |
更多格式 | 高清、无水印(增值服务) |