粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

• 作者: 任小娜 张林尚 彭丹 杨国龙 毕艳兰 汪学德
• 来源期刊: 分析化学
• 关键词: 芝麻油 最小二乘支持向量机 粒子群优化算法 偏最小二乘法 掺伪
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 研究报告
• 页码范围: 1366-1372
• 页数: 7页
• 字数: 4903字
• 语种: 中文
• DOI: 10.3724/SP.J.1096.2013.21110

摘要

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析.采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量.利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100％和98.7％,定量分析模型的平均预测标准偏差(RMSEP)为3.91％.结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任小娜	河南工业大学粮油食品学院	4	41	4.0	4.0
2	毕艳兰	河南工业大学粮油食品学院	141	778	16.0	20.0
3	杨国龙	河南工业大学粮油食品学院	85	379	10.0	14.0
4	汪学德	河南工业大学粮油食品学院	134	649	12.0	17.0
5	彭丹	河南工业大学粮油食品学院	31	115	6.0	9.0
6	张林尚	河南工业大学粮油食品学院	6	44	4.0	6.0