本文選題：近紅外光譜 + 主成分分析法　； 參考：《食品與機械》2016年01期

【摘要】：研究近紅外光譜技術(shù)對食用醋品牌進行快速無損溯源。收集市場上保寧、東湖、恒順、鎮(zhèn)江4個品種共152份具有代表性的食用醋樣品,采集它們的近紅外光譜數(shù)據(jù),對原始光譜數(shù)據(jù)進行多元散射校正(multip,licative scatter corrertion,MSC)預(yù)處理,對預(yù)處理后的光譜數(shù)據(jù)利用主成分分析法(principal component analysis,PCA)進行聚類分析,根據(jù)主成分的累計貢獻率選取主成分數(shù),然后用支持向量機(support vector machine,SVM)建立預(yù)測模型,選取合適的SVM核函數(shù),并利用粒子群優(yōu)化算法(particle swarm optimization,PSO)優(yōu)化模型參數(shù)。結(jié)果表明,近紅外光譜技術(shù)結(jié)合支持向量機對食用醋品牌分類正確率可達100%。
[Abstract]:The near-infrared spectroscopy (NIR) was studied for fast and non-destructive tracing of edible vinegar brands. 152 representative edible vinegar samples from Baoning, Donghu, Hengshun and Zhenjiang were collected, and their near infrared spectra were collected. The original spectral data were pretreated with multicomponent scattering correction scatter corrertion MSCs. The preprocessed spectral data are analyzed by principal component analysis (PCA), and the principal component fraction is selected according to the cumulative contribution rate of the principal component. Then the prediction model is established by using support vector machine (SVM), and the appropriate SVM kernel function is selected. Particle swarm optimization (PSO) algorithm is used to optimize the model parameters. The results showed that the correct rate of classification of vinegar brands by near infrared spectroscopy combined with support vector machine could reach 100%.
【作者單位】： 上海海事大學信息工程學院;上海理工大學醫(yī)療器械與食品學院;長沙理工大學化學與生物工程學院;
【基金】：上海市自然科學基金(編號:14ZR1419200)
【分類號】：O657.33;TS264.22

【相似文獻】

相關(guān)期刊論文 前10條

1 林繼鵬;劉君華;;基于提升支持向量機的多組分氣體分析[J];化工自動化及儀表;2007年03期

2 陳念貽,陸文聰;支持向量機算法在化學化工中的應(yīng)用[J];計算機與應(yīng)用化學;2002年06期

3 安欣;蘇時光;王韜;徐碩;黃文江;張錄達;;復合支持向量機方法及其在光譜分析中的應(yīng)用[J];光譜學與光譜分析;2007年08期

4 陸文聰,陳念貽,葉晨洲,李國正;支持向量機算法和軟件ChemSVM介紹[J];計算機與應(yīng)用化學;2002年06期

5 陸宇振;杜昌文;余常兵;周健民;;紅外光聲光譜技術(shù)結(jié)合支持向量機鑒別油菜籽品種[J];計算機與應(yīng)用化學;2014年01期

6 丁彥蕊,蔡宇杰,須文波;基于氨基酸組成預(yù)測蛋白質(zhì)熱穩(wěn)定性的v-支持向量機方法(英文)[J];計算機與應(yīng)用化學;2005年06期

7 陶懷志;蒲曉林;王貴;;基于支持向量機的蒙脫土懸浮液電動電位預(yù)測[J];計算機與應(yīng)用化學;2012年02期

8 周秀軍;戴連奎;;基于最小二乘支持向量機的橄欖油摻雜拉曼快速鑒別方法[J];光散射學報;2013年02期

9 金葉;楊凱;吳永江;劉雪松;陳勇;;基于粒子群算法的最小二乘支持向量機在紅花提取液近紅外定量分析中的應(yīng)用[J];分析化學;2012年06期

10 白鵬;謝文俊;劉君華;;支持向量機在混合氣體種類光譜識別中的應(yīng)用[J];光電工程;2006年08期

相關(guān)會議論文 前2條

1 李占潮;陳超;周喜斌;鄒小勇;;基于遺傳算法和支持向量機預(yù)測蛋白質(zhì)結(jié)構(gòu)類[A];第九屆全國計算（機）化學學術(shù)會議論文摘要集[C];2007年

2 劉旭;陸文聰;王立升;;改進核函數(shù)算法在蛋白質(zhì)分類中的應(yīng)用[A];中國化學會第28屆學術(shù)年會第14分會場摘要集[C];2012年

，

本文編號：2026128