传感技术学报
傳感技術學報
전감기술학보
Journal of Transduction Technology
2011年
6期
928-933
,共6页
庞林江%王俊%王允祥%吴从元%何志平
龐林江%王俊%王允祥%吳從元%何誌平
방림강%왕준%왕윤상%오종원%하지평
电子鼻%陈化时间%主成分分析%概率神经网络%山核桃
電子鼻%陳化時間%主成分分析%概率神經網絡%山覈桃
전자비%진화시간%주성분분석%개솔신경망락%산핵도
选取人工陈化山核桃(0 d、2 d、4 d和6 d)和自然陈化山核桃(0 y、1 y和2 y)作为研究对象,采用德国PEN2便携式电子鼻进行检测,在主成分分析(PCA)的基础上,采用概率神经网络(PNN)模式识别方法建立山核桃陈化时间鉴别模型,模型参数Spread和主成分数通过交互验证的方法优化。结果标明,PCA基本可区分不同陈化时间的人工陈化和自然陈化的山核桃。当主成分数为4和Spread=0.1或Spread=0.2时,人工陈化山核桃所得识别模型最佳,校正集样本识别率为100%,预测集样本识别率为65%;当主成分数为2和Spread=0.1~0.6时,自然陈化山核桃所得识别模型最佳,校正集样本和预测集样本识别率均为100%。研究表明,基于主成分分析(PCA)和概率神经网络(PNN)的电子鼻技术可较好鉴别不同陈化时间的人工陈化和自然陈化的山核桃,且对自然陈化山核桃的识别效果要优于人工陈化山核桃。
選取人工陳化山覈桃(0 d、2 d、4 d和6 d)和自然陳化山覈桃(0 y、1 y和2 y)作為研究對象,採用德國PEN2便攜式電子鼻進行檢測,在主成分分析(PCA)的基礎上,採用概率神經網絡(PNN)模式識彆方法建立山覈桃陳化時間鑒彆模型,模型參數Spread和主成分數通過交互驗證的方法優化。結果標明,PCA基本可區分不同陳化時間的人工陳化和自然陳化的山覈桃。噹主成分數為4和Spread=0.1或Spread=0.2時,人工陳化山覈桃所得識彆模型最佳,校正集樣本識彆率為100%,預測集樣本識彆率為65%;噹主成分數為2和Spread=0.1~0.6時,自然陳化山覈桃所得識彆模型最佳,校正集樣本和預測集樣本識彆率均為100%。研究錶明,基于主成分分析(PCA)和概率神經網絡(PNN)的電子鼻技術可較好鑒彆不同陳化時間的人工陳化和自然陳化的山覈桃,且對自然陳化山覈桃的識彆效果要優于人工陳化山覈桃。
선취인공진화산핵도(0 d、2 d、4 d화6 d)화자연진화산핵도(0 y、1 y화2 y)작위연구대상,채용덕국PEN2편휴식전자비진행검측,재주성분분석(PCA)적기출상,채용개솔신경망락(PNN)모식식별방법건립산핵도진화시간감별모형,모형삼수Spread화주성분수통과교호험증적방법우화。결과표명,PCA기본가구분불동진화시간적인공진화화자연진화적산핵도。당주성분수위4화Spread=0.1혹Spread=0.2시,인공진화산핵도소득식별모형최가,교정집양본식별솔위100%,예측집양본식별솔위65%;당주성분수위2화Spread=0.1~0.6시,자연진화산핵도소득식별모형최가,교정집양본화예측집양본식별솔균위100%。연구표명,기우주성분분석(PCA)화개솔신경망락(PNN)적전자비기술가교호감별불동진화시간적인공진화화자연진화적산핵도,차대자연진화산핵도적식별효과요우우인공진화산핵도。