5.5　小　结

本章利用成像光谱数据结合第3章、第4章建立的不同年代景德镇青花瓷分类模型对景德镇青花瓷的年代分类进行了研究，首先通过使用SOC获取不同年代景德镇青花瓷碎片的成像光谱数据，利用成像光谱的空间维信息，分别输入第3章搭建的VGG16网络模型和ResNet50网络模型，实验结果显示，VGG16网络模型的总体分类精度达到75.63%，ResNet50网络模型的总体分类精度达到73.13%。相比使用网络爬虫获取的不同年代景德镇青花瓷图像数据，利用成像光谱数据的空间维信息减少了前期数据准备时间。利用成像光谱的光谱维信息，输入第4章优选的逐步判别分析结合长短时记忆人工神经网络算法，测试集总体分类精度达到83.91%。相比使用非成像光谱的数据，使用成像光谱的数据在数据量上有大的提升。

使用DS证据理论融合成像光谱数据的空间维和光谱维信息，即一是融合VGG16网络模型和逐步判别分析结合LSTM算法两者的分类信息，二是融合ResNet50网络模型和逐步判别分析结合LSTM算法两者的分类信息，两者的总体分类精度分别为82.03%和90.47%。因此，在对成像光谱数据的景德镇青花瓷进行年代分类实验时，使用融合ResNet50网络模型的逐步判别分析-LSTM算法是精度最高的方式。