10.3964/j.issn.1000-0593(2013)06-1512-05
基于自编码网络流形学习的毛竹笋不溶性膳食纤维含量红外光谱建模
提出了一种结合自编码网络(AN)流形学习和偏最小二乘(PLS)法的红外光谱建模方法AN-PLS.AN-PLS方法首先用AN算法对红外光谱数据进行非线性降维,再结合PLS建立回归模型.利用该方法建立了毛竹笋中不溶性膳食纤维含量的近红外光谱和中红外光谱回归模型.结果表明,用AN-PLS方法建立的回归模型,比用其他常用光谱数据预处理方法结合PLS及用单独PLS算法建立的模型具有更小的预测均方根误差RMSEP和更高的决定系数R2,因此,AN-PLS具有较优的建模与预测能力,利用近红外光谱和中红外光谱技术结合AN-PLS建模,可实现毛竹笋中不溶性膳食纤维含量的准确测量.
毛竹笋、不溶性膳食纤维、近红外光谱、中红外光谱、自编码网络、流形学习
33
O657.3(分析化学)
农业科技成果转化资金项目2011GB2C2006;国家自然科学基金项目31201446;浙江省自然科学基金项目LQ12C20006,Y6110751;浙江省教育厅科研项目Y201122038;宁波市自然科学基金项目2010A610015,2010A610096
2013-07-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
1512-1516