《表1 主成分得分累计贡献率》
图5为苹果样本的原始光谱数据(A)以及经过SD(B)、SNV(C)和MSC(D)预处理后的光谱数据再经过PCA变换后的第一、第二和第三主成分得分三维平面分布图。由图5A可以看出,原始光谱经PCA变换后第一和第二主成分得分分布是分散开的,不适合直接用来建立识别模型;而经MSC处理后的光谱再经PCA变换后具有非常好的分类结果(图5D)。另外进一步从主成分得分的累计贡献可知前10个主成分得分可表达99.9%以上的原始信息,前10个主成分得分累计贡献率见表1。因此,为了提高识别模型的识别准确率,将前10个主成分得分作为样本集特征光谱。
图表编号 | XD0052267500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.10 |
作者 | 尚静、张艳、孟庆龙 |
绘制单位 | 贵阳学院食品与制药工程学院、贵阳学院农产品无损检测工程研究中心、贵阳学院食品与制药工程学院 |
更多格式 | 高清、无水印(增值服务) |