《表4 不同方法评价结果对比》

  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

《基于支持向量机的光谱成像质量评价》

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

实验为验证本文方法对于光谱成像质量评价的准确率，对比不同评价方法对不同测试样本的评价结果，对比结果如表4所示。由表4可知，偏最小二乘评价方法评价结果与实际评价结果误差最大，误差最高达到10%左右；其次为多元线性评价方法，误差最高达到5%左右。所提方法由于使用支持向量机分类模型，综合考虑学习精度与模型复杂度，增强模型的泛化能力，因此本文方法评价结果与实际评价结果基本重合。神经网络评价方法由于神经网络具有逼近非线性函数的能力，可提升非线性函数的计算准确度，因此，神经网络评价方法的评价结果也较为准确，但神经网络买模型求解过程过于复杂，且由于求解过程中着重局部寻优导致模型稳定性差。对比之下，本文方法的评价结果显著优于对比方法。