排序方式: 共有7条查询结果,搜索用时 27 毫秒
1
1.
LS-SVM和BP-ANN在草莓糖度NIR检测中的应用 总被引:1,自引:1,他引:0
为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000~9 000 cm-1.结果表明,所建立的最小二乘-支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279%和0.272%,剩余预测偏差为3.23,与以往研究文献相比,获得了较为理想的预测精度和稳定性能. 相似文献
2.
大米称誉为"五谷之首",是我国的主要粮食作物。大米产地鉴别方法的研究对于保护广大消费者和生产厂家的利益、推动我国大米出口业的发展等都具有重要意义。为此,选取了19个响水大米样品和10个非响水大米样品,使用等离子体原子发射光谱的方法测定了样品中P,B,Zn,Fe,Cu,Mn,Na,K,Mg和Ca等10种微量元素的含量,并利用样品中的微量元素含量数据,使用K-Means聚类法和Hierarchical聚类法对大米样品进行了聚类分析。结果表明,K-Means和Hierarchical聚类法对于样品有聚类趋势。研究结果能够为大米生产厂商与质检部门鉴别大米产地提供参考和借鉴。 相似文献
3.
为增强模型的适应性,选取了3个不同成熟期(绿熟、半红熟和红熟)的李果实样品建立坚实度指标的近红外检测模型,建模所使用的光谱范围为4 000~12 492cm-1。为改善模型性能,比较了最小二乘支持向量机和偏最小二乘法两种建模算法对李果实坚实度指标的建模结果。研究结果表明,所建立的最小二乘-支持向量机模型的预测性能和稳定性均好于偏最小二乘模型,并以前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型为最佳模型,其校正相关系数、校正和预测均方根误差分别为0.989及1.31、1.84kg/cm2,剩余预测偏差为4.79。与以往研究文献相比,获得了较为理想的预测精度和稳定性能。研究结果表明,最小二乘支持向量机算法结合偏最小二乘法提取的潜在变量作为输入变量,可以使李果实坚实度近红外定量模型有较大程度的改善。 相似文献
4.
5.
麦茬的存在造成了免耕田控制杂草使用过量除草剂。农户小麦收割时由于使用不同的联合收割机服务形成了不同的麦茬高度,多数农民认为高麦茬环境下杂草控制是免耕推广的关键配套技术。通过研究杂草处于不同麦茬环境中,使用不同喷洒喷头施用除草剂后杂草对喷洒药液的剂量反应规律,得出不同剂量除草剂对杂草藜的控制效果差异不显著,而稗草在使用不同的除草剂剂量和处在不同的喷洒麦茬环境后呈现出一定的差异,本研究还给出了狗尾草在不同除草剂剂量条件下的剂量反应曲线。 相似文献
6.
基于LS-SVM的草莓固酸比和可滴定酸近红外光谱定量模型 总被引:1,自引:1,他引:0
为提高草莓固酸比和可滴定酸近红外光谱定量模型的性能,该文采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机模型的输入变量,建立了两指标的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6000~12500 cm-1。结果表明,草莓可滴定酸和固酸比偏最小二乘模型校正相关系数、校正和预测均方根误差分别为0.430、0.096%、0.096%及0.688、0.926和1.190,而两指标的前10个潜在变量得分作为输入变量的最小二乘—支持向量机模型各项性能均远优于偏最小二乘模型,其校正和预测相关系数、校正和预测均方根误差以及剩余预测偏差分别为:可滴定酸0.965、0.967、0.028%、0.027%、3.881;固酸比0.980、0.973、0.258、0.373、3.111。研究表明,潜在变量作为最小二乘支持向量机模型的输入变量可在较大程度上改善草莓可滴定酸和固酸比指标近红外定量模型的预测性能和稳定性。 相似文献
7.
本文探索了使用近红外光谱分析技术鉴别黑芝麻糊品牌的可行性。试验共采集了48个不同品牌黑芝麻糊样品的近红外漫反射光谱,波长范围为800~2 500nm。使用Hierarchical聚类、主成分分析、判别分析及判别偏最小二乘等方法分析了黑芝麻糊品牌的分类鉴别结果,各种方法的校正集和预测集均得到了100%的判别正确率。研究结果表明,近红外光谱分析技术可用于黑芝麻糊品牌的鉴别分析,分析过程具有快速、准确等多方面的优点。 相似文献
1