基于PSO结合SVM的肉品新鲜度判别方法

• 作者: 刘静 管骁
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 肉品新鲜度 判别 粒子群优化算法 支持向量机 优化
• 年，卷（期）: 2012,（3）
• 页码范围: 288-292,321
• 分类号: TS251.5
• 字数: 5027字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2012.03.009

摘要

通过测定4种肉样品(猪肉、牛肉、羊肉及虾)的挥发性盐基氮(TVB-N)、细菌总数、pH值和感官评分等指标数据,运用支持向量机方法对以上数据进行综合训练得到数学模型,并对SVM模型参数采用粒子群优化算法进行优化,拟实现肉品新鲜废的快速准确分类.结果表明:仅采用某一项理化指标对肉品新鲜度进行判定误判率较高,而采用默认参数条件下的以RBF为核函数的SVM模型能一定程度上提高判别准确率,但利用PSO优化的SVM模型能将肉品新鲜度判别准确率提高到100％,且模型还具有极好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	管骁	上海理工大学医疗器械与食品学院	67	363	10.0	14.0
2	刘静	上海海事大学信息工程学院	41	167	6.0	10.0