《表3 不同回归模型的撕裂强度保持率预测效果》

  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

《高光谱成像技术预测农用乙烯–乙酸乙烯酯塑料棚膜撕裂强度》

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

棚膜高光谱数据首先被进行中心化处理，在支持向量机回归模型中采用高斯核函数kernel（xi，xj）=（α║xi–xj║2）将光谱波长范围在988.44~1 679.68 nm的近红外高光谱数据投影到高维核空间中，回归模型中松弛变量λ[如式（2）所示]和核参数α采用栅格寻优法来估计。首先在最大的栅格里寻找（λ，α）值，再缩小栅格大小继续寻找（λ，α）值，参数利用N叠交叉法来估计。训练过程中最优的组合参数值还需要通过矫正不敏感损失参数ζ?[即式（2）的调节系数]的值来获得，当固定参数λ=77.36，α=0.019和不敏感损失参数ζ=0.015 7时[9]，高光谱数据与撕裂强度的耦合性能最好。然后，将随机蛙跃算法和连续交替投影算法选择出的敏感高光谱波段作为支持向量机回归模型的输入变量，通过支持向量机回归模型预测撕裂强度保持率，不同模型的预测效果如表3所示。表3结果显示，基于特征波长选择的撕裂强度预测效果要优于全波段高光谱预测效果，其中连续交替投影–支持向量机回归模型达到最佳的预测效果，建模集和预测集的r2分别为93.57%和88.61%，比全波段建模的算法分别提高了1.57%和1.24%，对应的RSME分别下降了0.116和0.134。实验分析结果显示建立的基于特征波长选择的连续交替投影算法可以消除原始模型中含有大量冗余的信息，同时有效提升模型对撕裂强度保持率的预测精度。