PCA-LS-SVM预测模型在地沟油鉴别中的应用

• 作者: 刘艳 刘飞 彭秀辉 陈珺
• 来源期刊: 计算机与应用化学
• 学科: 化学
• 关键词: 近红外光谱 主成分分析 最小二乘支持向量机 地沟油
• 年，卷（期）: 2013,（10）
• 页码范围: 1207-1210
• 页数: 4页
• 分类号: O657.3
• 字数: 3459字
• 语种: 中文
• DOI: 10.11719/com.app.chem20131026

摘要

通过对油脂近红外吸光度的分析研究，提出了一种快速无损鉴别地沟油的新方法。首先运用主成分分析法对预处理后的各油脂光谱数据进行聚类分析并获取油脂的近红外指纹图谱，然后选用前4个主成分作为最小二乘支持向量机的输入变量，建立PCA-LS-SVM预测模型，实现地沟油的鉴别。实验共选用6种油脂，每种选用35个样本建模，20个样本验证，结果表明，近红外光谱技术结合PCA-LS-SVM方法能够定性有效地识别油脂的种类，为地沟油的鉴别开创了新前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	江南大学轻工过程先进控制教育部重点实验室自动化研究所	236	964	13.0	17.0
2	陈珺	江南大学轻工过程先进控制教育部重点实验室自动化研究所	21	70	4.0	7.0
3	彭秀辉	江南大学轻工过程先进控制教育部重点实验室自动化研究所	4	25	3.0	4.0
4	刘艳	江南大学轻工过程先进控制教育部重点实验室自动化研究所	24	68	5.0	7.0