4.6　小　结

本章使用波段选择（逐步判别分析和CARS）、特征提取（CWT和光谱特征参量）两种方法，提取特征波段结合随机森林算法和长短时记忆人工神经网络算法对不同年代景德镇青花瓷进行分类，其中总体分类精度最低为71.43%，最高为89.29%，证明了使用特征挖掘结合随机森林算法和长短时记忆人工神经网络算法可以正确地将不同年代青花瓷样本分类到对应的年代。使用4种特征挖掘的方法，在控制优选特征个数相同的情况下，将各个方法的优选特征结合随机森林算法和长短时记忆人工神经网络算法对不同年代景德镇青花瓷进行分类，逐步判别分析结合长短时记忆人工神经网络算法是所有分类方法中精度最高的组合，表明该组合可以有效提取高光谱信号中青花瓷年代的隐藏信息，适合用于高光谱数据中不同年代景德镇青花瓷分类研究，为第五章研究打下基础。使用4种特征挖掘的方法对不同年代青花料进行处理，优选出的特征位置大多集中在波峰和波谷的位置附近，可以验证这些波段正是进行不同年代青花瓷分类的有效波段。

综上所述，利用非成像光谱数据可以快速提取不同年代景德镇青花瓷光谱信息，对其进行准确分类识别。然而，由于青花瓷光谱反射特性的影响因素很多，不同青花料在不同的历史时期又会呈现出不同的光谱特征，如何利用高光谱技术建立全面有效的不同年代青花瓷分类方法还需要进一步研究。