• EI
  • Scopus
  • 中国科技期刊卓越行动计划项目资助期刊
  • 北大核心期刊
  • DOAJ
  • EBSCO
  • 中国核心学术期刊RCCSE A+
  • 中国精品科技期刊
  • JST China
  • FSTA
  • 中国农林核心期刊
  • 中国科技核心期刊CSTPCD
  • CA
  • WJCI
  • 食品科学与工程领域高质量科技期刊分级目录第一方阵T1
中国精品科技期刊2020

近红外光谱法结合C-SVM及ν-SVM方法快速无损鉴别淀粉种类

邹婷婷, 窦英, 王莹, 刘野, 段紫怡, 张秋晨

邹婷婷, 窦英, 王莹, 刘野, 段紫怡, 张秋晨. 近红外光谱法结合C-SVM及ν-SVM方法快速无损鉴别淀粉种类[J]. 食品工业科技, 2013, (17): 317-319. DOI: 10.13386/j.issn1002-0306.2013.17.042
引用本文: 邹婷婷, 窦英, 王莹, 刘野, 段紫怡, 张秋晨. 近红外光谱法结合C-SVM及ν-SVM方法快速无损鉴别淀粉种类[J]. 食品工业科技, 2013, (17): 317-319. DOI: 10.13386/j.issn1002-0306.2013.17.042

近红外光谱法结合C-SVM及ν-SVM方法快速无损鉴别淀粉种类

详细信息
  • 中图分类号: TS237

  • 摘要: 不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用近红外光谱技术对淀粉种类进行识别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、微分三种预处理方法后,C-SVM和ν-SVM分类模型的效果最佳;训练集交叉验证正确率均为98.72%,测试集正确率均达到100%。实验结果表明,该模型快速准确无损的鉴别淀粉种类是可行的。 
计量
  • 文章访问数:  118
  • HTML全文浏览量:  7
  • PDF下载量:  217
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭