基于主成分分析和改进支持向量机的猪肉品质识别

• 作者: 张保霞
• 来源期刊: 食品与机械
• 关键词: 近红外光谱 支持向量机 樽海鞘算法 主成分分析 粒子群算法 猪肉品质
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 贮运与保鲜|STORAGE TRANSPORTATION & PRESERVATION
• 页码范围: 146-151
• 页数: 6页
• 语种: 中文
• DOI: 10.13652/j.issn.1003-5788.2022.01.023

摘要

目的:剔除近红外光谱存在大量冗余信息以及提高猪肉品质识别的精度,建立猪肉品质快速识别方法.方法:运用主成分分析对猪肉光谱数据进行降维处理,筛选出猪肉光谱特征波长;运用樽海鞘群算法进行支持向量机(SVM)模型的参数优化,提出一种基于樽海鞘算法改进支持向量机的猪肉品质识别模型.结果:与灰狼算法(GWO)优化SVM(GWO-SVM)、网格搜索算法改进SVM(Grid-SVM)、粒子群算法改进SVM(PSO-SVM)和SVM相比,基于SSA-SVM的猪肉品质识别模型的精度最高.结论:融合主成分分析和樽海鞘算法优化SVM模型的猪肉品质识别模型可以有效提高SVM模型的猪肉品质识别精度.