摘 要: | 本试验以牛初乳奶片、乳酸奶片为对象,采集了多个样品的拉曼光谱并进行结构解析,随后以拉曼光谱为输入,先后论证了多种数据预处理方法的适用性,以及特征提取方法的选择、分类算法的参数优化。结果显示,奶片的拉曼光谱可提供样品丰富的化学结构信息,表征蛋白质、脂肪、糖类等营养物质信息,但由于样品间具有较高的谱图相似性,仅凭裸眼无法实现类别判别。引入支持向量机分类器,系统讨论了包括小波降噪、多元散射校正、求导、归一化多种数据预处理方法,结果发现小波降噪、多元散射校正、一阶求导以及归一化相结合的预处理可有效提高分类器识别率。进一步运用主成分分析特征提取算法,揭示出特征提取可提高分类算法的运行效率、去除冗余信息、节省运行时间、提高分类准确率。随后,比较了网格搜索算法、粒子群优化算法、遗传算法,用以支持向量机分类器参数优化,揭示出网格搜索算法可高效获得最佳惩罚参数(c=11.3731)和核函数参数(γ=0.00097656),可供建立优化的智能判别模型。
|