《表1 不同光谱不同预处理方式下的模型结果对比》
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
《FTIR、ATR-FTIR和UV多光谱鉴别不同产地重楼》
重楼样品的原始FTIR及ATR-FTIR光谱利用OMNIC软件转化吸光度;以UVProbe软件对原始UV进行平滑等处理;SIMCA-P+13.0软件对UV、FTIR、ATR-FTIR及经ATR校正的ATR-FTIR(ATR-FTIR-A)光谱数据分别进行不同预处理,如一阶导数(First derivatives,FD)、二阶导数(Second derivatives,SD)、标准正态变量(Standard normal variables,SNV),以消除无关干扰(高频随机噪音、光散射、基线漂移、浓度不均等),使模型准确度增强,预测效果提升[18-20]。采用KennardStone算法筛选2/3训练集与1/3预测集,通过SIMCA-P+13.0、MATLAB R2014a软件分别建立PLS-DA及SVM判别模型。参考模型所得训练集分类正确率(AT)、预测集分类正确率(AP)、校正均方根误差(Root mean square error of estimation,RMSEE)、交叉验证均方差(Root mean square error of cross-validation,RMSECV)、预测均方根误差(Root mean square error of prediction,RMSEP)等相关参数,选取最佳预处理方式(表1)。将不同单光谱信息直接串联融合,建立低级数据融合的两种判别模型,进而比较不同模型的稳定性及对不同产地重楼的分类效果。
图表编号 | XD0042594000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 裴艺菲、左智天、赵艳丽、张庆芝、王元忠 |
绘制单位 | 云南中医学院中药学院、云南省农业科学院药用植物研究所、云南省农业科学院药用植物研究所、云南省农业科学院药用植物研究所、云南中医学院中药学院、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) |