《电子鼻和随机森林算法快速鉴别野生与养殖日本真鲈》PDF+DOC
作者:孙永,刘楠,李智慧,马玉洁,周德庆
单位:北京市电子产品质量检测中心;北京方略信息科技有限公司
出版:《食品安全质量检测学报》2019年第02期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFSPAJ2019020560
DOC编号:DOCSPAJ2019020569
下载格式:PDF + Word/doc 文字可复制、可编辑
《鱼粉品质检测电子鼻传感器阵列的多特征数据融合优化》PDF+DOC2019年第12期 李培,牛智有,谭鹤群,张伟健,皇甫季璇
《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞
《基于随机森林的智能终端定位模型和算法》PDF+DOC2014年第19期 杨从亚,陈占伟,徐海峰
《基于键合图模型的解析冗余关系法在传感器布局中的应用》PDF+DOC2019年第09期 林友红
《基于JADE盲源分离的主瓣抗干扰算法研究》PDF+DOC2018年第04期 郭晓乐,邱炜,李向阳,朱伟
《基于改进随机森林算法的出行方式识别系统研究与设计》PDF+DOC2018年第05期 易立
《多传感器多目标系统误差融合估计算法》PDF+DOC2012年第06期 宋强,熊伟,何友
《多站虚拟量测变换均值无源定位算法》PDF+DOC2012年第01期 何友,王本才
《无线传感器网络中位数查询抽样算法研究》PDF+DOC2010年第05期 刘彩苹,李仁发,付彬,毛建频
《基于协同memetic PSO算法的传感器-目标分配问题求解》PDF+DOC2013年第05期 王一川,单甘霖,童俊
目的建立电子鼻和随机森林算法快速鉴别野生与养殖日本真鲈的分析方法。方法采用来源确定且规格不同的日本真鲈,利用电子鼻中14个金属氧化物传感器获取53份日本真鲈样本(养殖样本25份,野生样本28份)的特征信号,构建得到行×;列为53×;15(含标签列,野生为1,养殖为-1)的初始特征矩阵。构建随机森林(randomforest,RF)模型,并依据袋外错误率(out-of-bagerrorrate,OOB)对随机森林模型的估计器(决策树)数量和单一决策树最大特征的2个参数进行优化。结果模型最优估计器数为50,最大特征数为14,模型的鉴别准确率达到98.2%。通过该模型,以贡献率为指标,对电子鼻传感器进行了特征筛选和排序,其中S14和S4传感器的贡献率分别为42.9%和36.0%。结论该技术可以快速鉴别野生和养殖日本真鲈。
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。