5.3.3　基于光谱维的景德镇青花瓷年代分类结果分析

通过对不同年代景德镇青花瓷成像光谱数据的预处理，得到明嘉靖、明万历、明成化、清康熙四个时期的640个验证样本。因为在第四章已经验证对不同年代景德镇青花瓷光谱数据进行分类时，使用逐步判别分析结合长短时记忆人工神经网络算法进行分类时取得的效果最好，所以本章节在基于成像光谱的光谱维下进行不同年代景德镇青花瓷分类研究时，选择使用逐步判别分析结合长短时记忆人工神经网络算法进行分类时，优选特征和第四章选择一致，同时长短期记忆（LSTM）人工神经网络学习率为0.001，batch_size为2，优化器选择为Adam，损失函数为交叉熵损失函数，得到分类结果如图5.16所示。

图5.16　逐步判别分析-LSTM分类混淆矩阵

从图5.16中可以看出，使用逐步判别分析结合长短时记忆人工神经网络算法对经过成像光谱数据光谱维构建的不同年代景德镇青花瓷测试集图像进行分类，在选取的640个测试样本集中，被正确分类的样本个数为537个，明嘉靖的测试样本总计160个，其中有139个被正确分类；明万历的测试样本总计160个，其中有127个被正确分类；明成化的测试样本总计160个，其中有130个被正确分类；清康熙的测试样本总计160个，其中有141个被正确分类。最终总体分类精度为83.91%。根据图5.17可以看出，分类模型在明万历时取得F1-score值最小，最小值为81.41%，综合以上结果表明使用逐步判别分析结合长短时记忆人工神经网络算法对经过成像光谱数据的光谱维构建的不同年代景德镇青花瓷进行分类同样是可行。

图5.17　逐步判别分析-LSTM分类精度（F1-score）