《表2 基于KNN和LS-SVM模式识别的识别率》

  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

《基于超声成像技术的火腿肠等级判别》

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

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%。