红外光声光谱技术结合支持向量机鉴别油菜籽品种
采用傅里叶变换红外光声光谱技术对10个品种的油菜籽样本进行品种鉴别.原始光声光谱卷积平滑后,首先采用全谱数据建立支持向量机鉴别模型,当RBF核函数的核参数γ值为0.01时,模型最大预测率为70%.利用方差分析的方法对全谱进行有效波长筛选,筛选后的波长用于建立支持向量机鉴别模型,当γ值取0.1时,模型的识别率和预测率均可达到100%.同时,采用偏最小二乘判别分析建立鉴别模型,作为支持向量机模型的对照,该模型的预测率仅为60%,明显低于支持向量机模型的预测精度.研究表明,红外光声光谱技术结合支持向量机,在油菜籽品种鉴别中有良好的应用性能.
红外光声光谱、油菜籽、品种鉴别、支持向量机
31
O657.33(分析化学)
中国科学院知识创新重要方向项目KZCX2-YW-QN411
2014-05-07(万方平台首次上网日期,不代表论文的发表时间)
共4页
117-120