《表4 不同预处理方法下的GA-PLS建模结果》

  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GA的偏最小二乘法在近红外光谱识别苹果表面农药残留量的应用》

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

对从原始光谱做GA后选出的特征波长仍采用相同的3种光谱预处理方法（MSC、SNV、SD）和原始光谱建立GA-PLS模型，其对苹果表面农药残留量分类的建模精度和预测能力如表4所示。从表可以看出，GA-PLS模型的Precision都高于全光谱模型相应的值，这说明，经GA算法后，训练集样本的预测准确度得到了显著提高。但同时也可以发现一定问题:如从具体的数据来看，SNV处理的模型无疑是最优的（如图6），Precision和R都为最高的，RMSECV和SEP两个数值也最接近，但该模型的RMSECV由0.087489增加到0.1835，造成这种现象的原因主要是遗传算法在搜索变量（波数点）的过程中，会出现过拟合的现象，以至于最优的训练模型准确度和相关性最佳的时候，RMSECV或SEP有时并不是最佳的，所以需要多次运算，挑选出变量数较少，预测能力也较好的模型所选用的变量最为最终选择变量。