《表2 KNN识别结果：基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究》

  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

《基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究》

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

我们采用KNN对被测样品品质情况进行分类识别。实验包含6类储存时间节点，每类储存时间节点有16个被测样品。从各储存时间节点中随机选择10个样品检测信息作为训练集，其余6个样品作为测试集。因此，实验得到训练集样本数为60个，测试集样本数为36个。在KNN分析中，近邻样本数k的取值对分类识别准确度有较大影响。经过反复训练测试，设置k的个数为5。建立KNN分类识别模型后，模型对训练集样本的回判正确率为100%，对测试集识别的正确率为90%，识别准确度较高。