浙江省科技厅新苗人才计划(2007R40G2010051)
- 作品数：2 被引量：5H指数：1
- 相关作者：金航峰黄凌霞楼程富金佩华吴迪更多>>
- 相关机构：浙江大学更多>>
- 发文基金：浙江省科技厅新苗人才计划中国博士后科学基金浙江省教育厅科研计划更多>>
- 相关领域：理学农业科学更多>>
- 用最小二乘支持向量机的可见-近红外光谱测定蜂花粉贮存时间被引量：4
- 2010年
- 为了探索一种快速有效的蜂花粉新鲜程度检测方法,利用可见-近红外光谱技术结合最小二乘支持向量机(LS-SVM)对蜂花粉的贮存时间进行了检测.选择常温环境中贮存时间为4～50天(共计47天)的茶花蜂花粉作为研究对象,将全光谱数据作为输入变量建立了LS-SVM模型.结果显示,该LS-SVM模型预测效果较好,预测相关系数rp达到了0.996,预测标准误差(SEP)和预测均方根误差(RMSEP)的值分别为1.310和1.308,优于偏最小二乘法(PLS)和主成分回归(PCR)的预测结果,说明基于LS-SVM的可见-近红外光谱技术能够很好地对花粉贮存时间进行检测.同时对不同贮存时间段花粉的预测效果进行了比较,发现该LS-SVM模型适用于对第11～50天范围的贮存时间进行检测.
- 金航峰黄凌霞吴迪金佩华楼程富
- 关键词：最小二乘支持向量机
- 不同贮存温度蜂花粉的可见-近红外光谱鉴别被引量：1
- 2009年
- 利用可见-近红外光谱技术结合最小二乘支持向量机(LS-SVM)对不同贮存温度下的蜂花粉进行鉴别。选择-20、4、15、25和40℃5个温度下分别贮存60 d后的蜂花粉为研究对象。对原始光谱数据进行平滑和附加散射校正(MSC)的预处理后进行主成分分析,选择4~20个主成分作为输入变量进行LS-SVM建模。模型预测参数比较结果显示,当主成分数取20时模型的预测效果最好,预测相关系数r2p≥0.9919,预测标准偏差(SEP)和预测均方根误差(RMSEP)分别为1.7854和1.7675,优于偏最小二乘回归(PLS)的预测结果,说明基于LS-SVM的可见-近红外光谱技术能够很好地对蜂花粉贮存温度进行检测。
- 金航峰黄凌霞金佩华楼程富
- 关键词：蜂花粉贮存温度主成分分析最小二乘支持向量机
