10.11882/j.issn.0254-5071.2022.04.037
基于稀疏主成分分析白酒GC-MS图谱分类识别技术
为实现对白酒气相色谱-质谱(GC-MS)图谱数据的准确识别,该研究在主成分分析法的基础上引入弹性网惩罚函数与岭回归对主成分进行稀疏限制,从而实现GC-MS白酒图谱数据的稀疏主成分分析(SPCA),进而将稀疏主成分送入不同的分类器中进行分类识别,建立白酒质量分类模型,并与主成分分析(PCA)进行比较.结果表明,与主成分相比,不同等级白酒GC-MS图谱的稀疏主成分差异较大,更能代表不同特征白酒的信息.基于SPCA对白酒样品进行分类后的分类识别精度更高,SPCA+K最近邻(KNN)、SPCA+决策树(DT)、SPCA+支持向量机(SVM)、SPCA+误差反向传播(BP)的准确率分别达到62%、89%、97%、100%,其中SPCA结合BP的方法分类效果最好,说明白酒GC-MS图谱的稀疏主成分系数存在非线性关系.在抽取的数据上进行结果验证,其分类结果和数据信息完全吻合,说明建立的基于稀疏主成分分析白酒质量评价模型能有效地实现白酒等级的评判.
白酒分类识别、主成分分析、稀疏主成分分析、GC-MS图谱
41
TS261.1(食品工业)
五粮液集团-四川轻化工大学产学研合作项目;五粮液集团-四川轻化工大学产学研合作项目;四川省科技厅项目
2022-07-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
216-221