• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《光谱学与光谱分析》 >潜变量机器学习方法在咖啡NIR定量分析中的应用

潜变量机器学习方法在咖啡NIR定量分析中的应用

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

采用近红外(NIR)光谱快检技术实现对咖啡蛋白质的定量检测,研究支持向量机(SVM)和极限学习机(ELM)等机器学习方法在建模分析中的实用性.结合潜变量分析技术,建立潜变量SVM(LV-SVM)模型和潜变量ELM(LV-ELM)模型,通过调试潜变量个数和机器学习关键参数的联合优选,实现数据降维和机器学习关键参数的同过程优化.运用定标—验证—测试机制,利用定标集样本建立咖啡蛋白质的N IR分析模型,随参数变动形成三维随动优选结构的建模预测结果,结合验证集样本对模型进行联合优选,然后将优化模型应用于测试集样本进行模型评价.LV-SVM建模优选的验证集预测均方根误差为6.797,对应的测试集预测均方根误差为8.384.L V-EL M建模优选的验证集预测均方根误差为6.118,对应的测试集预测均方根误差为7.837.与常规偏最小二乘(PLS)方法相比较,LV-SVM和LV-ELM方法均取得更好的预测结果,验证了潜变量机器学习方法在近红外定量分析中的应用优势,该方法有望应用于不同类型的咖啡各成分含量检测.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号