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:
研究收集了不同品牌的90个葡萄酒样品,为了消除各光谱基线不同带来的影响,对所有光谱曲线都进行了一阶求导,以一阶导数谱线作为有效数据,通过独立主成分(PC)分析可知,前两个主成分的贡献率达到80%以上,主成分聚类使得真伪葡萄酒样品明显分为两类;以前四个主成分作为BP神经网络的输入建立了一个三层人工神经网络的识别模型,该模型对葡萄酒样品的预测识别率达到100%.研究表明,可见-近红外透射光谱结合主成分分析建立的BP神经网络模型能为快速、无损鉴别葡萄酒真伪提供一种准确可靠的新方法.
推荐文章
红外光谱及Bayes信息融合技术的葡萄酒鉴别研究
葡萄酒
鉴别
信息融合
贝叶斯
基于红外光谱的葡萄酒关键质量属性快速分析评价研究进展
葡萄酒
红外光谱技术
鉴别
品质分析
化学计量学
近红外光谱对[品种葡萄酒]的验证检测试验
品种葡萄酒
国家标准
近红外光谱
验证检测
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 基于可见-近红外光谱技术的葡萄酒真伪鉴别的研究
来源期刊 光谱学与光谱分析 学科 工学
关键词 葡萄酒 可见-近红外光谱 BP神经网络 真伪 鉴别
年,卷(期) 2011,(12) 所属期刊栏目
研究方向 页码范围 3269-3272
页数 分类号 TS261.4|TS262.6
字数 4150字 语种 中文
DOI 10.3964/j.issn.1000-0593(2011)12-3269-04
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 王涛 山西农业大学工学院 15 87 4.0 9.0
2 刘洋 山西农业大学工学院 20 133 7.0 11.0
3 吴海云 山西农业大学工学院 11 108 6.0 10.0
4 左月明 山西农业大学工学院 53 432 11.0 19.0
5 宋海燕 山西农业大学工学院 42 544 11.0 23.0
6 郭海霞 山西农业大学工学院 13 222 7.0 13.0
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  (27)
同被引文献  (153)
二级引证文献  (52)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(4)
  • 引证文献(3)
  • 二级引证文献(1)
2014(11)
  • 引证文献(7)
  • 二级引证文献(4)
2015(7)
  • 引证文献(4)
  • 二级引证文献(3)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(12)
  • 引证文献(3)
  • 二级引证文献(9)
2018(16)
  • 引证文献(3)
  • 二级引证文献(13)
2019(13)
  • 引证文献(3)
  • 二级引证文献(10)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
葡萄酒
可见-近红外光谱
BP神经网络
真伪
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导