几种模式识别方法在豆酱近红外光谱鉴别中的应用
为建立快速鉴别豆酱品质的适用方法,利用近红外光谱技术,针对市场上常见的四类豆酱样本,分别进行异常样本剔除和预处理,采用判别偏最小二乘法(DPLS)、相似分析法(SIMCA)和误差反向传播神经网络(BPANN)定性模式识别方法,进行豆酱类别的识别研究.研究结果表明:3种识别方法的校正集正确识别率分别为99.10%、98.20%、100%,预测集识别率为94.55%、89.09%、90.91%.综合比较3种不同的识别算法,采用判别偏最小二乘法(DPLS)时校正集和验证集的正确判别率效果都较好.研究结果表明采用近红外光谱分析技术实现豆酱的快速准确分类和鉴别是可行的.
近红外光谱、豆酱、判别偏最小二乘法(DPLS)、相似分析法(SIMCA)、误差反向传播神经网络(BP-ANN)
40
2014-06-03(万方平台首次上网日期,不代表论文的发表时间)
168-171