核磁共振氢谱结合PCA-SVM算法分类鉴别食用植物油

• 作者: 姜洁 李玮 杨红梅 王浩 贾婧怡
• 来源期刊: 食品工业科技
• 学科: 工学
• 关键词: 核磁共振氢谱 食用植物油 主成分分析-支持向量机 分类方法
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 分析检测
• 页码范围: 205-209
• 页数: 5页
• 分类号: TS255.1
• 语种: 中文
• DOI: 10.13386/j.issn1002-0306.2018.08.037

摘要

采用核磁共振氢谱(1H-NMR)结合主成分分析-支持向量机法(PCA-SVM)对7种市面上常见的食用植物油进行了分类研究.首先运用PCA法对预处理后的各食用植物油的1H-NMR谱图积分数据进行降维处理,然后选用前2个主成分作为SVM的输入变量,建立预测模型,再对测试集样品进行预测,以实现食用植物油的种类鉴别,并与簇类独立软模式法(SIMCA)的分类结果进行了比较.结果显示:采用网格划分法优化得到模型最优核函数参数值为1.7411,最优惩罚参数值为0.3299,以最优参数建立的PCA-SVM食用植物油分类模型对测试集的分类正确率为100％,高于SIMCA分类法的61.90％.建立的1H-NMR结合PCA-SVM法食用植物油分类模型,可以快速、有效的鉴别食用植物油种类,适合实际食品检测工作中建模样本有限的实际,为食用植物油的品质鉴别和质量控制提供分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜洁		41	318	10.0	15.0
2	李玮		10	55	4.0	7.0
3	贾婧怡		5	17	2.0	4.0
4	杨红梅		3	5	2.0	2.0
5	王浩		3	5	2.0	2.0