《表3 最佳分类模型预测结果 (%)》
Linear Discriminant与Subspace Discriminant对模型数据集进行运算,模型随机选择有代表性的数据进行训练,运算结果可能出现偏差,需要对数据进行多次运算[27-28]。本次研究对菌柄、菌盖、低级数据融合和中级数据融合模型进行10次运算,训练集预测结果混淆矩阵见图3,横坐标表示样品的真实标签,纵坐标表示预测标签。菌柄、菌盖、低级数据融合和中级数据融合最佳分类模型,训练集(83个样品)进行10次运算,平均每次分类正确数分别为77.6,79.3,80.5和82.8,表明中级数据融合模型分类效果最佳。对不同模型进行10次运算,模型样品数为830(10×83)个,柄模型分类效果最差,第1类中10和10个样品被错误分类为第3和7类。第2类中1,1和4个样品,分别被错误分类为第1,5和7类。第3类中25、1和2个样品,分别被错误分类为第1,2和6类。中级数据融合模型分类效果最佳,仅第1类样品中2个样品被错误分类为第7类;不同模型进行10次运算,模型预测集正确率均为100%,全部样品运算结果见表3,菌柄、菌盖、低级数据融合和中级数据融合模型,全部样品分类正确率平均值分别为93.61%,95.54%,96.99%和99.88%。结果表明基于中级数据融合策略,将不同部位FTIR光谱数据进行融合,应用Subspace Discriminant算法,可以将相似度较高的样品区分开,且减少了产地对种类鉴别的影响,是一种快速、准确鉴别不同种类牛肝菌的新方法。
图表编号 | XD0032186900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 张钰、李杰庆、李涛、刘鸿高、王元忠 |
绘制单位 | 云南农业大学农学与生物技术学院、云南省农业科学院药用植物研究所、云南农业大学农学与生物技术学院、玉溪师范学院资源环境学院、云南农业大学农学与生物技术学院、云南省农业科学院药用植物研究所 |
更多格式 | 高清、无水印(增值服务) |