期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
近红外光谱结合改进鲸鱼算法优化模型BAS-WOA-SVR检测藤椒油掺伪 被引量：2
1
作者 许素安 王家祥 刘勇 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第2期569-576,共8页
鉴于藤椒油市场良莠不齐,以近红外光谱技术为基础,藤椒油为研究对象,展开对藤椒油掺伪检测研究。首先将纯藤椒油作为基底油,按比例配置掺入大豆油、玉米油、葵花籽油得到油样,采集藤椒油掺伪样品的近红外光谱数据;光谱数据经归一化处理... 鉴于藤椒油市场良莠不齐,以近红外光谱技术为基础,藤椒油为研究对象,展开对藤椒油掺伪检测研究。首先将纯藤椒油作为基底油,按比例配置掺入大豆油、玉米油、葵花籽油得到油样,采集藤椒油掺伪样品的近红外光谱数据;光谱数据经归一化处理后采用标准正态变换(SNV)、多元散射矫正(MSC)进行预处理,然后采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)进行特征数据提取,组合不同预处理算法与特征数据提取算法,通过支持向量机回归(SVR)建立藤椒油掺伪预测模型。结果表明:MSC-CARS-SVR模型校正集和预测集的决定系数(R^(2))最高,校正集R^(2)达到了0.7561,预测集R^(2)达到0.7052;均方根误差(RMSE)最小,校正集RMSE达到0.743,预测集RMSE达到0.794。为了提高模型的准确性,采用鲸鱼算法(WOA)和改进鲸鱼算法(BAS-WOA)优化SVR模型,改进的鲸鱼算法以每一次鲸鱼群的最优鲸鱼作为当前天牛须的出发位置,分别探索左右须前进,计算前进后的目标函数,如果目标函数优于当前最优鲸鱼的值,则用前进后的天牛位置替换鲸鱼位置,进而实现了天牛须算子对鲸鱼算法的改进。用WOA优化SVR模型,相比之下精度最高的为MSC-CARS-WOA-SVR模型,校正集R^(2)达到0.8591,预测集R^(2)达到0.8216;校正集RMSE降低到了0.374,预测集RMSE降低到0.495。相比于传统的SVR模型精度和性能都有较明显提升。用BAS-WOA优化SVR模型,精度最高的是MSC-CARS-BAS-WOA-SVR模型,校正集R^(2)高达0.9551,预测集R^(2)高达0.9439;校正集RMSE降低到了0.054,预测集RMSE降低到0.081。相比于WOA优化算法,BAS-WOA优化的模型精确度和性能都有了进一步提升,模型预测集R^(2)从0.8216提高到0.9439,预测集RMSE从0.495降低为0.081。鲸鱼算法优化SVR模型容易陷入局部极值和收敛速度问题,改进的鲸鱼算法通过天牛须算法的左右须探寻来改进鲸鱼算法不足,从而提升算法的全� 展开更多
关键词 近红外光谱 藤椒油 改进鲸鱼算法(bas-woa) 支持向量机回归(SVR) 掺伪
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部