基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了实现对黄酒品种的快速判别,采用可见/近红外光谱对不同品种的黄酒获取光谱曲线,然后采用主成分分析方法对光谱数据进行聚类分析,并将其提取的主成分作为BP神经网络的输入值,建立了黄酒品种鉴别模型.该模型将前6个主成分作为神经网络的输入变量,加速了神经网络的学习速度,提高了模型的预测精度.随机选取每个品种的15个黄酒样本,共45个样本组成预测集,剩余的145个黄酒样本组成训练集建立训练模型,并用预测集样本对其进行验证.将品种鉴别的偏差标准定为士0.1,结果表明,只有1个未知样本超出偏差范围,该方法的品种鉴别正确率为97.78%,获得了满意的结果.说明文章提出的方法具有很好的分类和鉴别作用,为黄酒品种的快速鉴别提供了一种新方法.
推荐文章
基于可见/近红外光谱技术的湄潭翠芽等级判别
可见/近红外光谱
湄潭翠芽
等级
竞争性自适应重加权算法
偏最小二乘回归
基于可见/近红外光谱识别东北地区常见木材
木材学
可见/近红外
树种识别
生长锥
可见/近红外光谱技术无损识别苹果品种的研究
高光谱成像
模式识别
主成分分析
无损检测
菜籽品种可见近红外光谱鉴别研究
可见近红外光谱
载荷向量
线性判别分析
菜籽
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用可见/近红外光谱进行黄酒品种的判别
来源期刊 光谱学与光谱分析 学科 化学
关键词 可见/近红外光谱 黄酒 主成分分析 BP神经网络 品种鉴别
年,卷(期) 2008,(3) 所属期刊栏目
研究方向 页码范围 586-589
页数 4页 分类号 O657.3|TS262.4
字数 2805字 语种 中文
DOI 10.3964/j.issn.1000-0593.2008.03.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何勇 浙江大学生物系统工程与食品科学学院 511 9054 45.0 65.0
2 蒋益虹 浙江大学生物系统工程与食品科学学院 35 755 15.0 27.0
3 刘飞 浙江大学生物系统工程与食品科学学院 77 1455 21.0 35.0
4 王莉 浙江大学生物系统工程与食品科学学院 53 349 10.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (48)
同被引文献  (173)
二级引证文献  (310)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(4)
  • 引证文献(2)
  • 二级引证文献(2)
2010(13)
  • 引证文献(7)
  • 二级引证文献(6)
2011(13)
  • 引证文献(2)
  • 二级引证文献(11)
2012(25)
  • 引证文献(9)
  • 二级引证文献(16)
2013(29)
  • 引证文献(7)
  • 二级引证文献(22)
2014(34)
  • 引证文献(4)
  • 二级引证文献(30)
2015(44)
  • 引证文献(6)
  • 二级引证文献(38)
2016(39)
  • 引证文献(4)
  • 二级引证文献(35)
2017(43)
  • 引证文献(3)
  • 二级引证文献(40)
2018(46)
  • 引证文献(2)
  • 二级引证文献(44)
2019(50)
  • 引证文献(1)
  • 二级引证文献(49)
2020(17)
  • 引证文献(0)
  • 二级引证文献(17)
研究主题发展历程
节点文献
可见/近红外光谱
黄酒
主成分分析
BP神经网络
品种鉴别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光谱学与光谱分析
月刊
1000-0593
11-2200/O4
大16开
北京市海淀区学院南路76号钢铁研究总院
82-68
1981
chi
出版文献量(篇)
13956
总下载数(次)
19
总被引数(次)
127726
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
高等学校优秀青年教师教学科研奖励计划
英文译名:the Teaching and Research Award Program for Outstanding Young Teachers in Higher Education Institutions of MOE
官方网址:http://www.moe.edu.cn/
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导