1.原始光谱+不平滑+距离匹配法建模
计算出来的模型如图11-22所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类清晰，只有个别样本距离较近影响分类准确度。
图11-22 原始光谱+不平滑+距离匹配法建模结果
由下面的分析结果可以看出：8号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号、40号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为93.3%。
2.一阶导数+平滑+距离匹配法建模
计算出来的模型如图11-23所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类清晰，只有个别样本距离较近影响分类准确度。
图11-23 样本一阶导数+平滑的定性分析结果
由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95.6%。
3.一阶导数+不平滑+距离匹配法建模
计算出来的模型如图11-24所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为聚集，影响分类准确度。
图11-24 样本一阶导数+不平滑的定性分析结果
由下面的分析结果可以看出：8号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95.6%。(www.xing528.com)
4.二阶导数+平滑+距离匹配法建模
计算出来的模型如图11-25所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为清晰，极个别马铃薯淀粉与玉米淀粉距离较近影响分类准确度。
图11-25 样本二阶导数+平滑的定性分析结果
由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，30号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为95.6%。
5.二阶导数+不平滑+距离匹配法建模
计算出来的模型如图11-26所示，可以看出靠近Y轴的正方形均为马铃薯淀粉，靠近X轴的三角形均为玉米淀粉，两者分类情况较为清晰但是较为密集，极个别马铃薯淀粉与玉米淀粉距离太近影响分类准确度。
图11-26 样本二阶导数+不平滑的定性分析结果
由下面的分析结果可以看出：1号样本实际为玉米淀粉但是计算为马铃薯淀粉，40号和45号样本实际为马铃薯淀粉而模型计算为玉米淀粉，模型准确率为93.3%。
6.光谱预处理+距离匹配法建模小结（见表11-3）
综合上述两类方法可以看出：二阶导数+平滑的光谱预处理方法最为合适，虽然此种方法的准确率与一阶导数+平滑的相同，但是此种方法的测试样本的准确率要比一阶导数+平滑要高，所以为最佳预处理选择。从两类方法的模型准确率来看，显然距离匹配法的准确率普遍较高，并且其准确率的最大值都要比判别分析法的最大值大。
表11-3 淀粉拉曼距离匹配法建模结果分析比对表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
