《霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建》PDF+DOC
作者:于慧春,彭盼盼,殷勇
单位:北京食品科学研究院
出版:《食品科学》2016年第20期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFSPKX2016200350
DOC编号:DOCSPKX2016200359
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于电子鼻多传感器融合的茶叶存储时间识别》PDF+DOC2019年第02期 薛大为,杨春兰
《基于支持向量机的混合气体定量分析》PDF+DOC 谢亮
《基于电子鼻技术的糙米黄曲霉毒素污染快速检测方法研究》PDF+DOC2017年第06期 沈飞,吴启芳,姜大峰,魏颖琪,唐培安,刘兵,宋伟
《厚膜SnO_2气体传感器的嗅觉特征提取与处理》PDF+DOC2000年第06期 邵应清,邹小波
《基于独立分量分析和BP网络的电子鼻模式识别》PDF+DOC2006年第09期 王岩,陈向东,蒋亚东,赵静
《电子鼻技术在鱼粉酸价检测中的应用》PDF+DOC2011年第01期 刘辉,牛智有
《一种新的检测黄曲霉毒素B1的酶生物传感器的制作(英文)》PDF+DOC2008年第03期 刘大岭,沈奕,张静,姚冬生
《基于FastICA和神经网络的电子鼻模式识别》PDF+DOC2007年第01期 王岩,陈向东,赵静
《电子鼻信号特征提取与传感器优化的研究》PDF+DOC2006年第03期 海铮,王俊
《实用仿生电子鼻在黄酒检测中的应用》PDF+DOC2014年第03期 鲁小利,张秋菊,蔡小庆
为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP(back-propagation)神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为23、45、63、67个。对于黄曲霉毒素B1,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为19、41、62、65个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。