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:
采用气相色谱-质谱( GC-MS)和液相色谱( LC)方法,结合主成分分析( PCA)、高斯混合模型( GMM)对49个茶叶样本进行分类判别研究.通过PCA对茶叶的GC-MS信号进行特征提取,结合LC测得的茶多酚等10个变量,运用GMM对茶叶样本进行分类,训练集正确率为99.44%,预测集正确率为90.47%,结果表明该方法适用于茶叶的分类及品质评价.
推荐文章
兰香型茶叶香气组分主成分分析
茶叶
兰香
主成分分析
特征性香气成分
中国原产石蒜属植物的数量分类和主成分分析
石蒜属
数量分类
聚类分析
主成分分析
基于主成分分析的BP神经网络长期预报模型
主成分分析
学习矩阵
BP神经网络
基于主成分分析和支持向量机的参数费用模型
主成分分析
支持向量机
参数费用模型
神经网络
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 基于主成分分析和高斯混合模型的茶叶分类研究
来源期刊 郑州大学学报(理学版) 学科 化学
关键词 主成分分析 高斯混合模型 茶叶 分类
年,卷(期) 2015,(4) 所属期刊栏目
研究方向 页码范围 62-65
页数 4页 分类号 O657.63
字数 3016字 语种 中文
DOI 10.3969/j.issn.1671-6841.2015.04.012
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 申琦 郑州大学化学与分子工程学院 26 65 5.0 7.0
2 徐晓琴 5 31 4.0 5.0
3 李新会 郑州大学化学与分子工程学院 3 9 2.0 3.0
4 罗红元 厦门医学高等专科学校中心实验室 5 5 1.0 2.0
5 林伟琦 5 10 2.0 3.0
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  (14)
节点文献
引证文献  (5)
同被引文献  (47)
二级引证文献  (5)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主成分分析
高斯混合模型
茶叶
分类
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
郑州大学学报(理学版)
季刊
1671-6841
41-1338/N
大16开
郑州市高新技术开发区科学大道100号
36-191
1962
chi
出版文献量(篇)
2278
总下载数(次)
0
总被引数(次)
9540
论文1v1指导