10.16247/j.cnki.23-1171/tq.20170830
基于近红外光谱和QPSO-LSSVM模型的玉米脂肪测定
为了建立一个精确、稳健的玉米脂肪近红外光谱定量模型,提出了以全波段光谱建立最小二乘支持向量机(LS-SVM)模型、用量子行为粒子群优化(QPSO)算法结合留一交叉验证(LOO-CV)规则优化模型参数的新方法,并用76份样本数据进行了验证.与常用的偏最小二乘(pLS)校正模型相比,当采用原光谱数据建模预测时,相关系数(Rp)和相对分析误差(RPD)分别由0.9248、2.43升至0.9801、4.38以上,预测均方根误差(RMSEP)从0.0624降到0.0311以下;若将光谱进行多元散射校正(MSC)预处理之后再建模预测,则Rp和RPD分别由0.9618、3.95升至0.9934、8.11以上,RMSEP从0.0395降到0.0215以下.试验结果表明,以全波段近红外光谱建立的QPSO-LSSVM校正模型完全可用于玉米脂肪的实际检测.
玉米、近红外光谱、脂肪、最小二乘支持向量机、量子行为粒子群优化算法
31
O657.33(分析化学)
2017-11-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
30-35