《表1 基于自荧光光谱的PLS-DA模型鉴别结果》

  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

《基于拉曼光谱和自荧光光谱的柑橘黄龙病快速检测方法》

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

注：AUC (Area Under Curve）是ROC (Receiver Operating Char-acteristic Curve）曲线与横轴所夹的面积。

在分类问题中，PLS-DA采用了PCA的基本原理，通过使光谱变量x和分类矩阵y之间的协方差最大，得到潜变量（Latent Variable，LV），潜变量能更好解释光谱变量中与分类相关的信息，PLS-DA的优点是能够在自变量存在严重多重相关性的条件下进行回归建模，特别适合处理大量的预测因子。通过对荧光光谱进行PLS-DA分析，可以得到潜变量得分图（图6）。根据PLS-DA算法，潜变量的个数理论上与光谱变量数一样多，通常建模只选取信息含量较大的头几个潜变量参与建模。由图6可见三个潜变量（LV1，LV2，LV3）分别占自荧光光谱的方差信息为96.72%，1.39%，0.63%，总共对光谱信息的描述达到了98.74%。采用留一法内部交叉验证，对438个自荧光光谱建立PLS-DA分类模型，得到分类结果如表1所示。从表1中可见，220个黄龙病样本，通过分类模型分类结果是185个黄龙病，35个健康，真患病率是84%；218个健康样本，通过分类模型分类结果是26个黄龙病和192个健康，真健康率是88%。我们对模型的评价指标之一是准确率，其定义如下：