《表6 不同建模方法分类结果对比Tab.6 Comparison of classification results with different cal-ibration models》

  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

《利用改进自动编码器光谱法预测土壤有机质》

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

为了更客观地了解改进自动编码器在土壤有机质含量等级预测的效果，本文还实现了常用于土壤成分预测建模的支持向量机模型、主成分回归模型，并在LUCAS土壤数据集上进行有机质含量等级的预测实验，模型的训练采用完全一致的建模集划分，结果评价在完全一致的测试集上进行。其中，支持向量机模型包括分类模型和回归模型两种，实验结果中用SVM、SVR-C表示；主成分回归模型实验结果中用PCR-C表示。需要说明的是，SVR-C、PCR-C在建模时使用原始有机质含量数值作为监督输入，分别训练基于SVR、PCR的回归模型，再将回归模型预测的数值使用表2的有机质含量分级方法判定为各类别。SVM、SVR-C、PCR-C模型与提出的改进自动编码器算法性能对比见表6。