《表3 训练集和测试集的费舍尔线性判别分析结果》

  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

《基于近红外光谱技术的小米产地溯源研究》

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

FLDA是一种有监督的线性分类方法，将高维模式样本投影到最佳鉴别矢量空间，降维的同时保证样本有最大的类间距离和最小的类内距离，使得各类样品能够更好的区分。在SPSS软件中，将训练集作为FLDA的变量输入，产地信息作为判别输出，利用Fisher函数、wilks'lambda变量选择，采用步进判别法进行分析，结果见表3。训练集中对不同样品产地溯源的平均正确率为100.0%，预测集中对不同样品产地溯源的平均正确率为84.6%，其中来源于内蒙古的3个样品产地预测全部错误。以上结果表明建立的FLDA模型在训练集上表现良好，但对测试集数据表现一般，模型的泛化能力较差，有可能是训练集样本数量不足或特征波长选择不合适导致了模型的过拟合。