《表1 模型测试结果:基于紫外光谱的茶叶识别》
选取这次试验所有数据的前8个主成分得分作为训练数据集,将训练数据集进行主成分分析,降维后用每个样本的得分数据作为输入,茶叶种类为输出值,对应碧螺春输出序号1,金骏眉输出序号2,铁观音输出序号3,正山小种输出序号4。将BP神经网络训练模块输入层设置为8,隐含层B设置为10,隐含层t设置为9,输出设置为4 one-hot。进行BP算法训练,计算出准确率为97.66%,在可接受范围内,表明训练识别成功,如表1所示。
图表编号 | XD00209362500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.20 |
作者 | 陈思博、潘晓文、吴子旋、孙桢怡、李少凡、刘金福 |
绘制单位 | 福建农林大学计算机与信息学院、生态与资源统计福建省高校重点实验室、福建农林大学计算机与信息学院、福建农林大学计算机与信息学院、福建农林大学计算机与信息学院、生态与资源统计福建省高校重点实验室、福建农林大学计算机与信息学院、生态与资源统计福建省高校重点实验室、福建农林大学计算机与信息学院、生态与资源统计福建省高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |