10.13386/j.issn1002-0306.2018.08.037
核磁共振氢谱结合PCA-SVM算法分类鉴别食用植物油
采用核磁共振氢谱(1H-NMR)结合主成分分析-支持向量机法(PCA-SVM)对7种市面上常见的食用植物油进行了分类研究.首先运用PCA法对预处理后的各食用植物油的1H-NMR谱图积分数据进行降维处理,然后选用前2个主成分作为SVM的输入变量,建立预测模型,再对测试集样品进行预测,以实现食用植物油的种类鉴别,并与簇类独立软模式法(SIMCA)的分类结果进行了比较.结果显示:采用网格划分法优化得到模型最优核函数参数值为1.7411,最优惩罚参数值为0.3299,以最优参数建立的PCA-SVM食用植物油分类模型对测试集的分类正确率为100%,高于SIMCA分类法的61.90%.建立的1H-NMR结合PCA-SVM法食用植物油分类模型,可以快速、有效的鉴别食用植物油种类,适合实际食品检测工作中建模样本有限的实际,为食用植物油的品质鉴别和质量控制提供分析方法.
核磁共振氢谱、食用植物油、主成分分析-支持向量机、分类方法
39
TS255.1(食品工业)
北京市科技计划重大项目D16110500210000
2018-06-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
205-209