北京普天同创生物科技有限公司
1.不进行预处理
由树状图可以看出此模型分类不准确,从图12-4中可以看出分类错误较多,模型准确率仅为83.3%,所以此模型不可采用。
图12-4 样本数据不进行预处理的聚类分析结果
2. SNV
如图12-5所示,此模型分类正确,并且测试样本分类也均正确无误。
3.一阶导数
如图12-6所示,此模型分类正确,并且测试样本分类也均正确无误。
4.一阶导数+SNV
如图12-7所示,此模型分类正确,并且测试样本分类也均正确无误。
图12-5 样本数据SNV的聚类分析结果
图12-6 样本数据一阶导数的聚类分析结果
图12-7 样本数据一阶导数+SNV的聚类分析结果
5.二阶导数
如图12-8所示,此模型分类正确,并且测试样本分类也均正确无误。
图12-8 样本数据二阶导数的聚类分析结果
6.二阶导数+SNV
如图12-9所示,此模型分类正确,并且测试样本分类也均正确无误。
图12-9 样本数据二阶导数+SNV的聚类分析结果
通过上述建模对比分析,从表12-1可以看出来,除了不进行预处理之外的其他建模方法均可做到100%分类准确。如上述结果所示,根据树状图,62个茶叶样本被分成两类,可以看到树状图按奇偶数分为两个分支,与样本新、老茶叶按奇偶数分开的编码规则一样。
表12-1 新、老茶叶近红外光建模结果分析对比表
相关链接:基于多光谱技术的新、老茶叶鉴别方法研究实验材料与光谱采集
文章来源:《多光谱食品品质检测技术与信息处理研究》
版权与免责声明:转载目的在于传递更多信息。
如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为放弃相关权利。
通话对您免费,请放心接听
温馨提示:
1.手机直接输入,座机前请加区号 如18601949136,010-58103629
2.我们将根据您提供的电话号码,立即回电,请注意接听
3.因为您是被叫方,通话对您免费,请放心接听
登录后才可以评论