科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了建立准确和稳定的哈密瓜坚实度预测模型，提高检测结果精度，识别和剔除参与建模的异常样本是基础，对采集的哈密瓜光谱样本采用偏最小二乘法（PLS）建立定量分析模型，并结合异常光谱剔除、马氏距离法、学生化残差T与杠杆值法以及主成分得分法等多种方法对光谱异常样本进行综合分析判别，根据模型性能的变化，共发现参与建模的样品中有5个疑似异常样本点，并对这5个疑似异常样本进行逐一剔除、回收对比分析。判定的5个疑似异常样本中，35-2号样本作为误判样本，应将其回收，其余19-1号、33-3号、35-3号和37-3号4个样本确定为异常样本并剔除。结果对比发现，模型相关系数R提高至0.850，预测均方根误差（RMSEC）降低至2.72 N，校正均方根误差（RMSEP）降低至3.30 N，模型的稳定性提高。综上，综合分析可以有效识别高光谱中的异常样本，提高模型的精确性和可靠性。
-
单位机电工程学院; 新疆工程学院
