《表3 3种建模方法的比较》

  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

《基于多类别的镉稻米近红外光谱识别分析》

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

表3比较了3种建模方法的鉴别正确率差异，其中PLS-DA的分类结果最好，优于SVM与RBF-ANN，校正集与预测集的鉴别准确率分别达到80.1%与77.1%。这是由于PLS-DA是基于PLS回归的模式识别方法，将NIR光谱数据与样本属性进行回归后，通过建立判定函数更容易得到精度更高的预测集鉴别结果。而在多分类SVM中，通过核函数构建可分的稻米镉多分类超平面非常困难，导致分类结果较差；训练样本的数量严重影响训练的速度与支持向量的数量，导致SVM模型的泛化能力下降。由于样本的NIR光谱数据特征并不具有完全的代表性和典型性，不能完全表征每类样本的属性状态，因此，样本的质量能够在很大程度上影响RBF-ANN的识别精度，导致RBF-ANN也难获得最优解。