期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别
被引量：
1
1
作者
孙鑫悦
李彦龙
+7 位作者
陈明明
宋妍
钱丽丽
左锋
关海鸥
张涛
刘兴泉
周国鑫
《食品科学》
北大核心
2025年第20期318-326,共9页
本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工...
本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5种机器学习模型进行品种判别对比。研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了1 078.005 1,表现出更好的聚类效果。经过t-分布邻域嵌入降维处理后,5种模型的各项评价指标均优于未降维处理的模型,模型平均准确率达到了95.78%,其中朴素贝叶斯模型准确率提高了18.89%,提升效果最佳,随机森林模型的判别效果最好,预测集准确率和精准率分别为98.89%和98.96%。本方法可快速无损鉴别五常稻花香米,助力品牌保护和消费者权益维护,也可为其他地理标志农产品鉴别提供新思路。
展开更多
关键词
五常稻花香米
近红外光谱技术
随机森林
相似大米品种鉴别
t-分布邻域嵌入
在线阅读
下载PDF
职称材料
题名
基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别
被引量：
1
1
作者
孙鑫悦
李彦龙
陈明明
宋妍
钱丽丽
左锋
关海鸥
张涛
刘兴泉
周国鑫
机构
黑龙江八一农垦大学食品学院
黑龙江八一农垦大学信息与电气工程学院
国家粮食和物资储备局
浙江农林大学食品与健康学院
出处
《食品科学》
北大核心
2025年第20期318-326,共9页
基金
国家重点研发计划项目(2023YFD2301604-4)
黑龙江省自然科学基金联合指导项目(LH2019C075)。
文摘
本研究提出一种基于近红外光谱技术结合机器学习算法快速无损鉴别五常稻花香米的方法。通过采集不同品种的大米近红外光谱数据,使用偏最小二乘回归模型确认一阶导数为最佳预处理方法,对比主成分分析和t-分布邻域嵌入降维方法,构建人工神经网络、K近邻算法、随机森林、决策树和朴素贝叶斯5种机器学习模型进行品种判别对比。研究结果表明t-分布邻域嵌入在Calinski-Harabasz指数上提升了1 078.005 1,表现出更好的聚类效果。经过t-分布邻域嵌入降维处理后,5种模型的各项评价指标均优于未降维处理的模型,模型平均准确率达到了95.78%,其中朴素贝叶斯模型准确率提高了18.89%,提升效果最佳,随机森林模型的判别效果最好,预测集准确率和精准率分别为98.89%和98.96%。本方法可快速无损鉴别五常稻花香米,助力品牌保护和消费者权益维护,也可为其他地理标志农产品鉴别提供新思路。
关键词
五常稻花香米
近红外光谱技术
随机森林
相似大米品种鉴别
t-分布邻域嵌入
Keywords
Wuchang Daohuaxiang rice
near-infrared spectroscopy
random forest
discrimination of similar rice varieties
t-distributed stochastic neighbor embedding
分类号
O433.4 [机械工程—光学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于近红外光谱与t-SNE的机器学习方法对五常稻花香米的快速无损鉴别
孙鑫悦
李彦龙
陈明明
宋妍
钱丽丽
左锋
关海鸥
张涛
刘兴泉
周国鑫
《食品科学》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
