《表1 不同模型的预测效果》

  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

《基于PSO-LSSVM和特征波长提取的羊肉掺假检测方法》

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

将经过PSO算法优化的LSSVM模型与反向传播神经网络、偏最小二乘回归、最小二乘支持向量机的模型结果作对比。模型输出结果如图3所示，BPNN预测输出结果较差，LSSVM较好。模型训练集的决定系数（R2c）和均方根误差（RMSEC）、预测集的决定系数（R2p）和均方根误差（RMSEP）如表1所示，结果显示，BP神经网络的预测结果整体较差，偏最小二乘模型对数据拟合能力较强，但预测结果不如最小二乘支持向量机模型，在经过粒子群算法优化后LSSVM模型对数据的拟合和预测能力显著提升，训练集的R2c=1.000 0，RMSEC=0.001 2，预测集的R2p=0.920 4，RMSEP=0.089 2。