基于SVM与NIR的花椒挥发油快速检测方法

摘要：

应用近红外光谱分析(NIR)技术结合支持向量机(SVM)测定花椒挥发油的含量.以105份样品作为校正集,分别选取epsilon-SVR、nu-SVR两种SVM类型,并采用Linear、Poly、RBF与Sigmoid四种不同核函数进行SVM 回归建模,以所建立的校正模型对36份样品的挥发油含量进行预测.结果表明:当SVM类型为epsilon-SVR,核函数为Sigmoid,惩罚参数取109,γ取1×10-6时,所建立的花椒挥发油SVM-NIR模型预测效果最好:R236=0.931 7,RMSEP36=0.426 8.同时对基于SVM-NIR、PLS-NIR、PCA-BP-NIR和PCA-RBF-NIR的花椒挥发油模型的预测性能进行比较分析,表明SVM-NIR模型具有较强的预测能力(或泛化能力),优于其余3种模型.

关键词：花椒、挥发油含量、近红外光谱分析、支持向量机

所属期刊栏目：19

分类号：TN247(光电子技术、激光技术)

资助基金：国家自然科学基金30671198;重庆市自然科学基金CSTC2005BB2211

在线出版日期：2008-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：496-499