Page 123 - 《广西植物》2026年第6期
P. 123
１ ０ ３ ８ 广 西 植 物 ４６ 卷
表 ５ 不同特征组合模型分类精度
Ｔａｂｌｅ ５ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｍｏｄｅｌｓ ｂａｓｅｄ ｏｎ ｄｉｆｆｅｒｅｎｔ ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎｓ
％
特征组合 ＳＶＭ 分类精度 ＲＦ 分类精度
Ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎ ＳＶＭ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ＲＦ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ
原始光谱＋三边参数 ７０.５６±７.６０ ５６.５３±８.９８
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｔｈｒｅｅ￣ｅｄｇｅ ｐａｒａｍｅｔｅｒｓ (Ｓ１＋Ｓ５)
原始光谱＋植被指数 ６７.０８±７.８６ ５６.５３±７.８８
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ (Ｓ１＋Ｓ６)
原始光谱＋三边参数＋植被指数 ６６.２５±９.０９ ５７.２２±９.９７
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｔｈｒｅｅ￣ｅｄｇｅ ｐａｒａｍｅｔｅｒｓ ＋ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ (Ｓ１＋Ｓ５＋Ｓ６)
原始光谱＋倒数取对数 ６１.３９±７.４５ ５９.５８±１１.２９
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ (Ｓ１＋Ｓ２)
原始光谱＋倒数取对数＋三边参数＋植被指数 ６１.３９±６.８８ ５７.３６±９.６０
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ ＋ ｔｈｒｅｅ￣ｅｄｇｅ ｐａｒａｍｅｔｅｒｓ ＋
ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ (Ｓ１＋Ｓ２＋Ｓ５＋Ｓ６)
原始光谱＋二阶导数 ５２.６４±７.４１ ５４.７２±９.６１
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｔｈｅ ｓｅｃｏｎｄ ｄｅｒｉｖａｔｉｖｅ (Ｓ１＋Ｓ４)
全特征组合 ５２.２２±６.７０ ５５.２８±９.４４
Ｆｕｌｌ ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎ (Ｓ１－Ｓ６)
原始光谱＋倒数取对数＋一阶导数 ５１.５３±７.０９ ５７.９２±８.６３
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ ＋ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ (Ｓ１＋Ｓ２＋Ｓ３)
原始光谱＋倒数取对数＋一阶导数＋二阶导数 ５１.１１±６.６３ ５６.１１±７.９６
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ ＋ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ ＋ ｔｈｅ ｓｅｃｏｎｄ
ｄｅｒｉｖａｔｉｖｅ (Ｓ１＋Ｓ２＋Ｓ３＋Ｓ４)
原始光谱＋一阶导数＋三边参数＋植被指数 ５０.６９±８.７５ ５４.７２±１０.２５
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ ＋ ｔｈｒｅｅ￣ｅｄｇｅ ｐａｒａｍｅｔｅｒｓ ＋ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ
(Ｓ１＋Ｓ３＋Ｓ５＋Ｓ６)
仅原始光谱 ４８.６１±６.７７ ５４.５８±１０.１７
Ｏｎｌｙ ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ (Ｓ１)
原始光谱＋一阶导数 ４８.６１±８.４３ ５５.５６±９.４６
Ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒｕｍ ＋ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ (Ｓ１＋Ｓ３)
倒数取对数＋二阶导数 ３８.３３±７.１７ ３５.８３±７.０２
Ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ ＋ ｔｈｅ ｓｅｃｏｎｄ ｄｅｒｉｖａｔｉｖｅ (Ｓ２＋Ｓ４)
仅三边参数 ３６.１１±９.７６ ３１.２５±８.７２
Ｏｎｌｙ ｔｈｒｅｅ￣ｅｄｇｅ ｐａｒａｍｅｔｅｒｓ (Ｓ５)
倒数取对数＋一阶导数 ３３.６１±８.１２ ３７.６４±６.９３
Ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ ＋ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ (Ｓ２＋Ｓ３)
仅倒数取对数 ３３.３３±７.３０ ３６.８１±７.２２
Ｏｎｌｙ ｒｅｃｉｐｒｏｃａｌ ｔａｋｉｎｇ ｌｏｇａｒｉｔｈｍ (Ｓ２)
一阶导数＋二阶导数 ２６.１１±５.３７ ３０.１４±６.５２
Ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ ＋ ｔｈｅ ｓｅｃｏｎｄ ｄｅｒｉｖａｔｉｖｅ (Ｓ３＋Ｓ４)
仅二阶导数 ２６.１１±７.２１ ２７.９２±７.６９
Ｏｎｌｙ ｔｈｅ ｓｅｃｏｎｄ ｄｅｒｉｖａｔｉｖｅ (Ｓ４)
仅一阶导数 ２４.４４±６.６１ ２６.５３±７.５７
Ｏｎｌｙ ｔｈｅ ｆｉｒｓｔ ｄｅｒｉｖａｔｉｖｅ (Ｓ３)
仅植被指数 ２３.１９±６.５２ ２５.００±７.２２
Ｏｎｌｙ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ (Ｓ６)
合的分类性能呈现明显差异ꎮ 算法整体性能差异 特征组合的平均精度范围为 ２３.１９％ ~ ７０.５６％ꎬ均值
方面ꎬＳＶＭ 分类能力整体优于 ＲＦꎮ ＳＶＭ 算法 ２０ 组 为 ４８. ９５％ꎻ ＲＦ 算 法 平 均 精 度 范 围 为 ２５.００％ ~
