《表3 不同方法选择的核函数参数的SVM模型判别结果Tabel 3Classification results of SVM model with kernel function parameters

  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

《近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假》

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

由图2可知，两组样品的判别区分不能直接实现，而SVM判别非线性可分数据是通过选取合适的核函数，解决低维空间映射到高维空间增加计算复杂度的问题，得到高维空间函数进行非线性可分数据的分类。常用的核函数主要有多项式核函数、径向基核函数（radial basis function，RBF）、线性核函数、Sigmoid核函数等，其中RBF核函数超参数数量小、数值难度低、逼近速度快且应用最为广泛。本实验选取RBF作为模型的核函数，惩罚因子C和核参数γ是RBF核函数中需要确定优化的两个重要参数[27]。本实验通过比较不同折数交叉验证、粒子群算法（particle swarm optimization，PSO）和遗传算法（genetic algorithm，GA）等算法确定最优的两参数，以提高模型的预测精度，选择的参数以及最终判别正确率如表3所示。