为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结...为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。展开更多
文摘为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。
