计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2014年
1期
117-120
,共4页
陆宇振%杜昌文%余常兵%周健民
陸宇振%杜昌文%餘常兵%週健民
륙우진%두창문%여상병%주건민
红外光声光谱%油菜籽%品种鉴别%支持向量机
紅外光聲光譜%油菜籽%品種鑒彆%支持嚮量機
홍외광성광보%유채자%품충감별%지지향량궤
infrared photoacoustic spectroscopy%rapeseed%variety classification%support vector machines
采用傅里叶变换红外光声光谱技术对10个品种的油菜籽样本进行品种鉴别.原始光声光谱卷积平滑后,首先采用全谱数据建立支持向量机鉴别模型,当RBF核函数的核参数γ值为0.01时,模型最大预测率为70％.利用方差分析的方法对全谱进行有效波长筛选,筛选后的波长用于建立支持向量机鉴别模型,当γ值取0.1时,模型的识别率和预测率均可达到100％.同时,采用偏最小二乘判别分析建立鉴别模型,作为支持向量机模型的对照,该模型的预测率仅为60％,明显低于支持向量机模型的预测精度.研究表明,红外光声光谱技术结合支持向量机,在油菜籽品种鉴别中有良好的应用性能.
採用傅裏葉變換紅外光聲光譜技術對10箇品種的油菜籽樣本進行品種鑒彆.原始光聲光譜捲積平滑後,首先採用全譜數據建立支持嚮量機鑒彆模型,噹RBF覈函數的覈參數γ值為0.01時,模型最大預測率為70％.利用方差分析的方法對全譜進行有效波長篩選,篩選後的波長用于建立支持嚮量機鑒彆模型,噹γ值取0.1時,模型的識彆率和預測率均可達到100％.同時,採用偏最小二乘判彆分析建立鑒彆模型,作為支持嚮量機模型的對照,該模型的預測率僅為60％,明顯低于支持嚮量機模型的預測精度.研究錶明,紅外光聲光譜技術結閤支持嚮量機,在油菜籽品種鑒彆中有良好的應用性能.
채용부리협변환홍외광성광보기술대10개품충적유채자양본진행품충감별.원시광성광보권적평활후,수선채용전보수거건립지지향량궤감별모형,당RBF핵함수적핵삼수γ치위0.01시,모형최대예측솔위70％.이용방차분석적방법대전보진행유효파장사선,사선후적파장용우건립지지향량궤감별모형,당γ치취0.1시,모형적식별솔화예측솔균가체도100％.동시,채용편최소이승판별분석건립감별모형,작위지지향량궤모형적대조,해모형적예측솔부위60％,명현저우지지향량궤모형적예측정도.연구표명,홍외광성광보기술결합지지향량궤,재유채자품충감별중유량호적응용성능.
