《表3 不同模式识别方法的预报结果》

  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

《顶空-气相色谱-质谱联用法结合化学计量学分析赣州烤烟样品中的挥发性化合物》

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:a.BP-ANN模型参数:隐藏层中的神经元数目=7，训练数=800，均方根误差阈值=0.00001；b.LS-SVM模型最优参数:γ=2.55，σ2=5.67；c.括号中的数字为分类错误的样本数目。

表3列出了3种模式识别方法的识别率和预报率结果。LDA模型的识别率和预报率分别为83.3%和73.7%，分类错误样本分别有7个和5个；BP-ANN模型的识别率和预报率分别为97.6%和95.0%，分类错误样本均只有1个，LS-SVM模型的识别率和预报率分别为100%和95.0%，只有1个预报集样本分类错误。由此可见，BP-ANN和LS-SVM两个模型得到的预报结果远优于LDA，这可能是因为样品和变量之间并不完全线性相关，LDA仅适用于线性模式识别体系，而BP-ANN和LS-SVM更适用于存在一定非线性的体系，它们对于非线性模型的预报能力更强，由此我们建立了赣州烤烟样品的产地鉴别模型。