《表2 基于KNN和LS-SVM模式识别的识别率》
如表2所示,LS-SVM校正集识别率较KNN要高,可能因为LS-SVM是一种“监督学习分类”方法,遵循结构风险最小化准则来构造决策超平面,其在已知样本等级的情况下能获得较好的分类效果;而KNN为一种“非监督学习分类”方法,其不需要事先知道样本所属等级,通过发掘样本的内在相似性,然后指导同类检测对象分类而不是依据判别类域的方法确定归属[24],因此KNN的预测集与校正集相当。当不知道样本真实等级时,LS-SVM的可靠性迅速下降,则超声成像技术结合KNN法识别未知等级火腿肠效果较LS-SVM好,识别率可达97.44%。
图表编号 | XD0082857700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.31 |
作者 | 邹小波、张俊俊、赵号、石吉勇、翟晓东、胡雪桃 |
绘制单位 | 江苏大学食品与生物工程院、江苏大学食品与生物工程院、江苏大学食品与生物工程院、江苏大学食品与生物工程院、江苏大学食品与生物工程院、江苏大学食品与生物工程院 |
更多格式 | 高清、无水印(增值服务) |