本文主要研究内容
作者李鑫星,董保平,杨铭松,张国祥,张小栓,成建红（2019）在《基于SVM核机器学习的三文鱼新鲜度检测系统》一文中研究指出：为了实现对不同冷藏温度下三文鱼新鲜度的检测与识别,设计了一种用于三文鱼气味指纹采集与新鲜度辨识的电子鼻系统。电子鼻系统由密闭检测气室、半导体气体传感器阵列、数据采集模块、模式识别模块和显示界面等组成。电子鼻模式识别方法采用核机器学习方法,以支持向量机(SVM)作为学习机。采集0、4、6℃温度下冷藏三文鱼样本的气味数据,对不同核函数及参数的核机器学习模型进行训练与测试,最终确定了适于此电子鼻系统识别三文鱼新鲜度的最佳核机器学习模型:核函数选用多项式核函数,核参数q取3,γ取15,c取0。此模型对不同温度冷藏三文鱼样本的冷藏时间具有一定的辨识能力,对于测试集,0℃允许偏差1 d预测正确率为92. 86%,4℃无偏差预测正确率为88. 89%、允许偏差1 d预测正确率100%,6℃无偏差预测正确率为75. 00%、允许偏差1 d预测正确率100%。将辨识结果与主成分分析结果(PCA)进行对比,此模型具有明显的优势。
Abstract
wei le shi xian dui bu tong leng cang wen du xia san wen yu xin xian du de jian ce yu shi bie ,she ji le yi chong yong yu san wen yu qi wei zhi wen cai ji yu xin xian du bian shi de dian zi bi ji tong 。dian zi bi ji tong you mi bi jian ce qi shi 、ban dao ti qi ti chuan gan qi zhen lie 、shu ju cai ji mo kuai 、mo shi shi bie mo kuai he xian shi jie mian deng zu cheng 。dian zi bi mo shi shi bie fang fa cai yong he ji qi xue xi fang fa ,yi zhi chi xiang liang ji (SVM)zuo wei xue xi ji 。cai ji 0、4、6℃wen du xia leng cang san wen yu yang ben de qi wei shu ju ,dui bu tong he han shu ji can shu de he ji qi xue xi mo xing jin hang xun lian yu ce shi ,zui zhong que ding le kuo yu ci dian zi bi ji tong shi bie san wen yu xin xian du de zui jia he ji qi xue xi mo xing :he han shu shua yong duo xiang shi he han shu ,he can shu qqu 3,γqu 15,cqu 0。ci mo xing dui bu tong wen du leng cang san wen yu yang ben de leng cang shi jian ju you yi ding de bian shi neng li ,dui yu ce shi ji ,0℃yun hu pian cha 1 dyu ce zheng que lv wei 92. 86%,4℃mo pian cha yu ce zheng que lv wei 88. 89%、yun hu pian cha 1 dyu ce zheng que lv 100%,6℃mo pian cha yu ce zheng que lv wei 75. 00%、yun hu pian cha 1 dyu ce zheng que lv 100%。jiang bian shi jie guo yu zhu cheng fen fen xi jie guo (PCA)jin hang dui bi ,ci mo xing ju you ming xian de you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自农业机械学报的李鑫星,董保平,杨铭松,张国祥,张小栓,成建红，发表于刊物农业机械学报2019年05期论文，是一篇关于三文鱼论文,新鲜度论文,电子鼻论文,核机器学习论文,农业机械学报2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自农业机械学报2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：三文鱼论文; 新鲜度论文; 电子鼻论文; 核机器学习论文; 农业机械学报2019年05期论文;