优化的近红外光谱LS-SVM模型测定小麦蛋白质

论文摘要

小麦蛋白质测定的常规方法为湿化学分析法,具有操作复杂、污染环境和耗时较长等缺点,为此建立了一个近红外光谱LS-SVM模型,以实现小麦蛋白质含量的简便、快速测定。首先对样品光谱进行"均值中心化+去趋势"预处理,并用SPXY法划分校正集和测试集样本;然后采用改进的二进制蝙蝠算法（IBBA）进行建模参数和特征波长的联合优化,根据优化结果对校正集数据建立LS-SVM模型,并用测试集数据验证其性能;最后通过与常用的PLS、CARS-PLS及未优化的SVM、LS-SVM建模结果进行比较,确认该模型的有效性。结果表明,该模型的各项性能指标优异,能够满足实际检测工作的要求。

论文目录

• 1 材料与方法
•   1.1 样品采集与制备
•   1.2 蛋白质含量参考值测定
•   1.3 近红外光谱采集
•   1.4 光谱预处理与样本集划分
•   1.5 近红外光谱校正模型建立
•     1.5.1 改进的二进制蝙蝠算法
•     1.5.2 用IBBA进行建模参数与特征波长联合优化
•     1.5.3 优化LS-SVM校正模型的建立与验证
• 2 结果与分析
•   2.1 光谱预处理与样本集划分
•   2.2 建模参数与特征波长优化
•   2.3 优化模型建立与验证
•   2.4 与其他建模方案的比较
• 3 结论

文章来源

类型: 期刊论文

作者: 陈素彬,胡振

关键词: 近红外光谱,最小二乘支持向量机,模型,优化,小麦蛋白质

来源: 食品工业 2019年12期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 化学,轻工业手工业

单位: 南充职业技术学院

基金: 四川省教育厅2018年度科研项目（项目编号：18ZB0316）

分类号: O657.33;TS210.7

页码: 329-333

总页数: 5

文件大小: 1917K

下载量: 82