《表3 3种建模方法的比较》
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。
图表编号 | XD0062359500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.31 |
作者 | 朱向荣、李高阳、江靖、谢运河、单杨 |
绘制单位 | 湖南省农业科学院湖南省农产品加工研究所、湖南大学研究生院隆平分院、湖南省农业科学院湖南省农产品加工研究所、湖南大学研究生院隆平分院、湖南省农业科学院湖南省农产品加工研究所、湖南大学研究生院隆平分院、湖南省土壤肥料研究所、湖南省农业科学院湖南省农产品加工研究所、湖南大学研究生院隆平分院 |
更多格式 | 高清、无水印(增值服务) |