《表1 PCA模型的SIMCA判别结果表》

  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

《大花红景天和长鞭红景天的无损鉴别》

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

SIMCA作为一种经典的模式识别方法，主要是通过计算样品在不同类别的PCA模型之间的类距离来对样品的类别进行归属。通常采用识别率和拒绝率来评价所建模型的好坏，识别率和拒绝率越高，模型的预测能力越好。首先，采用SPXY法将80个红景天样本的高光谱信息按照3∶1的比例划分为训练集和测试集，其中，训练集有60个样本（每一类红景天30个样本），测试集有20个样本（每一类红景天10个样本）。然后，基于SPA提取的特征波长和全波长的不同类别的训练集建立PCA模型，用另外20个测试集样品对建立的训练模型进行验证，通过SIMCA模式识别对所建模型进行评价。由表1可见:虽然所有模型的识别率都超过90%，但拒绝率却非常低，表明基于全波长和SPA提取的特征波长建立的SIMCA模式识别方法并不能将大花红景天和长鞭红景天完全区分，需要寻找更加有效的红景天分类与鉴别方法。