基于随机森林的相邻区域地理标志大米产地确证方法

论文摘要

为探讨随机森林方法对大米产地确证的有效性,找寻相邻区域的产地确证优化模型,利用原子吸收分光光度计对梅河及其相邻产区大米的矿物质元素(Cu、Zn、Fe、Mn、K、Ca、Na、Mg、Pb、Cd)含量进行了测定。采用R语言编写程序,通过strata函数实现训练集与测试集的数据划分,选用random Forest函数建立产地确证模型,由袋外误差估计进行模型优化。研究结果表明:建立的模型能够实现相邻区域大米样本的产地确证,对50个待测样本进行预测,准确率达96%。利用随机森林结合矿物质元素指纹技术可确证和追溯大米的产地来源,为相邻区域的地理标志大米及其他食品的产地确证研究提供方法参考。

论文目录

• 1 材料与方法
•   1.1 样品来源与数据获取
•   1.2 随机森林
•   1.3 模型评定标准
• 2 结果与分析
•   2.1 梅河及相邻产区中大米矿物质元素含量
•   2.2 随机森林模型建立
•   2.3 随机森林模型优化
•   2.4 模型比较
•     2.4.1 模型泛化能力比较
•     2.4.2 模型精度比较
• 3 结论

文章来源

类型: 期刊论文

作者: 王靖会,吴玥,臧妍宇,陈云志,王艳辉,闵伟红

关键词: 地理标志大米,产地确证,随机森林,矿物质元素指纹技术

来源: 吉林农业大学学报 2019年03期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,自动化技术

单位: 吉林农业大学信息技术学院,吉林省食品检验所,吉林农业大学食品科学与工程学院

基金: 吉林省重点科技研发项目(20180201051NY),国家重点研发计划项目(2016YFE0202900),吉林省科技发展计划项目(20130204046NY,20130204043NY)

分类号: TS210.7;TP181

DOI: 10.13327/j.jjlau.2019.3600

页码: 373-378

总页数: 6

文件大小: 2135K

下载量: 63