首先将富强粉与精制雪花粉设为A类，麦芯粉与面包粉设为B类，使用MATLAB软件建立识别两大类样本的SVM模型。共有27份样本用于预测，其中富强粉（5份）与精制雪花粉（7份）共12份，麦芯粉（8份）与面包粉（7份）共15份。表10-17为采用不同核函数的SVM模型的分类准确率。
表10-17 SVM参数设置及其分类准确率
从表10-17可以看出，通过网格法参数寻优后，核函数为RBF的预测准确率最高为88.8889%；其次是以多项式函数和Sigmod函数为核函数的模型，预测准确率为77.7778%；线性函数为核函数的预测情况较差。因此选用RBF为核函数的SVM模型进行A类（富强、精制雪花粉）与B类（麦芯粉、面包粉）的识别。
图10-23所示为RBF函数为核函数的模型预测结果，正确分类的样本总数为24份，仅有3个样本未正确分类，分类结果较好。
将识别后的A类与B类样本分别送入下一级的子分类器中，继续细化分类。一个子分类模型为富强粉（5份）与精制雪花粉（7份），一个子分类模型为麦芯粉（8份）和面包粉（7份）。(www.xing528.com)
子分类器A中除以线性函数为核函数的模型分类结果较差以外，多项式、RBF、Sigmod为核函数的SVM模型分类准确率均达到了100%，分类情况非常好，实验选取RBF为核函数建立子SVM模型鉴别富强粉与精制雪花粉样本。
子分类器B以Sigmod为核函数的模型分类结果最好，预测准确率达到了100%。RBF函数为核函数的SVM模型分类结果次之，线性核函数分类结果较差。因此，实验选取Sigmod为核函数建立子SVM模型鉴别麦芯粉与面包粉样本。
图10-23 富强粉+精制雪花粉与麦芯粉+面包粉SVM预测结果
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。
