排序方式： 共有2条查询结果，搜索用时 796 毫秒
1
1.
电子舌预测不同体积分数牛奶的表观黏度 总被引：3，自引：3，他引：0
该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析（PCA）可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差（MRE）和预测均方根误差（RMSEP）分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。 相似文献
2.
纯牛奶品牌识别中电子舌传感器阵列优化 总被引：4，自引：0，他引：4
选取伊利、新希望、美丽健、蒙牛和光明纯牛奶作为研究对象,采用电子舌系统对这5个品牌纯牛奶进行了检测。单因素方差分析结果表明,纯牛奶品牌对各个传感器响应信号具有极显著的影响,通过剔除F值和决定系数R2较小的传感器变量优化传感器阵列。对原始数据和优化数据(剔除BA传感器,剔除BA、BB传感器,剔除BA、BB、HA传感器,剔除BA、BB、HA、GA传感器)进行的主成分分析结果表明,剔除BA、BB、HA、GA传感器数据在区分纯牛奶品牌方面比其他数据更有效。采用逐步判别分析进行识别,校正集所有数据识别率均达到100%,剔除BA、BB、HA、GA传感器数据和剔除BA传感器数据的预测集识别率均达到90%,但剔除BA、BB、HA、GA传感器数据仅包含3个传感器变量,表明它对纯牛奶品牌具有最佳识别效果。单因素方差分析通过剔除不显著的传感器响应信号能够优化电子舌传感器阵列并且提高电子舌的识别性能。 相似文献
1