近红外光谱技术结合支持向量机对食用醋品牌溯源的研究

发布时间：2018-06-16 08:58

  本文选题：近红外光谱 + 主成分分析法　； 参考：《食品与机械》2016年01期

【摘要】：研究近红外光谱技术对食用醋品牌进行快速无损溯源。收集市场上保宁、东湖、恒顺、镇江4个品种共152份具有代表性的食用醋样品,采集它们的近红外光谱数据,对原始光谱数据进行多元散射校正(multip,licative scatter corrertion,MSC)预处理,对预处理后的光谱数据利用主成分分析法(principal component analysis,PCA)进行聚类分析,根据主成分的累计贡献率选取主成分数,然后用支持向量机(support vector machine,SVM)建立预测模型,选取合适的SVM核函数,并利用粒子群优化算法(particle swarm optimization,PSO)优化模型参数。结果表明,近红外光谱技术结合支持向量机对食用醋品牌分类正确率可达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%.
【作者单位】： 上海海事大学信息工程学院;上海理工大学医疗器械与食品学院;长沙理工大学化学与生物工程学院;
【基金】：上海市自然科学基金(编号:14ZR1419200)
【分类号】：O657.33;TS264.22

【相似文献】

相关期刊论文 前10条

1 林继鹏;刘君华;;基于提升支持向量机的多组分气体分析[J];化工自动化及仪表;2007年03期

2 陈念贻,陆文聪;支持向量机算法在化学化工中的应用[J];计算机与应用化学;2002年06期

3 安欣;苏时光;王韬;徐硕;黄文江;张录达;;复合支持向量机方法及其在光谱分析中的应用[J];光谱学与光谱分析;2007年08期

4 陆文聪,陈念贻,叶晨洲,李国正;支持向量机算法和软件ChemSVM介绍[J];计算机与应用化学;2002年06期

5 陆宇振;杜昌文;余常兵;周健民;;红外光声光谱技术结合支持向量机鉴别油菜籽品种[J];计算机与应用化学;2014年01期

6 丁彦蕊,蔡宇杰,须文波;基于氨基酸组成预测蛋白质热稳定性的v-支持向量机方法(英文)[J];计算机与应用化学;2005年06期

7 陶怀志;蒲晓林;王贵;;基于支持向量机的蒙脱土悬浮液电动电位预测[J];计算机与应用化学;2012年02期

8 周秀军;戴连奎;;基于最小二乘支持向量机的橄榄油掺杂拉曼快速鉴别方法[J];光散射学报;2013年02期

9 金叶;杨凯;吴永江;刘雪松;陈勇;;基于粒子群算法的最小二乘支持向量机在红花提取液近红外定量分析中的应用[J];分析化学;2012年06期

10 白鹏;谢文俊;刘君华;;支持向量机在混合气体种类光谱识别中的应用[J];光电工程;2006年08期

相关会议论文 前2条

1 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 刘旭;陆文聪;王立升;;改进核函数算法在蛋白质分类中的应用[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

，

本文编号：2026128