The determination of potassium sorbate based on improved least squares support vector machine combining fluorescence spectra

doi:10.13741/j.cnki.11-1879/o4.2018.02.011

您当前的位置：

首页 >

文章列表页 >

The determination of potassium sorbate based on improved least squares support vector machine combining fluorescence spectra

更新时间：2025-09-01

- The determination of potassium sorbate based on improved least squares support vector machine combining fluorescence spectra
- Vol. 44, Issue 2, Pages: 188-193(2018)
- 作者机构：
  
  1:燕山大学电气工程学院河北省测试计量技术及仪器重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2018.02.011
  CLC：
- Published：2018
- 稿件说明：
移动端阅览
The determination of potassium sorbate based on improved least squares support vector machine combining fluorescence spectra[J]. 2018, 44(2): 188-193.
DOI：

The determination of potassium sorbate based on improved least squares support vector machine combining fluorescence spectra[J]. 2018, 44(2): 188-193. DOI： 10.13741/j.cnki.11-1879/o4.2018.02.011.

摘要

食品安全隐患越来越受到重视

而食品添加剂的过量使用更是个重要的因素。应用FS920荧光光谱仪

研究了防腐剂山梨酸钾的荧光特性

得到山梨酸钾荧光特征峰于λex/λem=375/490nm采用基于最小二乘支持向量机对橙汁溶液中防腐剂山梨酸钾进行检测

通过改进的遗传算法寻优最小二乘支持向量机参数。经过样本训练得到橙汁溶液山梨酸钾的回归模型

对未知浓度的溶液进行预测

将新算法与基本遗传算法寻优的模型和BP神经网络对比。结果表明

自适应遗传-最小二乘支持向量机建立的预测模型在平均相对误差3.54%和平均回收率96.46%都是最优的

是一种准确有效的橙汁中山梨酸钾浓度检测方案。

Abstract

关键词

Keywords

references

Views

211

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Weak supervised abnormal behavior detection using improved YOLOv3 under video surveillance

Study on moving visible light communication receiver based on artificial neural networks

A segmentation algorithm of OCT image for macula edema

Study on spectrum of food colorants based on nonlinear method

Seal identification based on krawtchouk moment and support vector machine

Related Author

赵雪章

丁犇

席运江

杨恺

陈明惠

秦显富

贾文宇

何锦涛

Related Institution

1:佛山职业技术学院电子信息学院

2:华南理工大学经济管理学院

1:东莞职业技术学院电子与电气工程学院

1:上海理工大学教育部现代微创医疗器械及技术工程研究中心生物医学光学与视光学研究所

1:中国地质大学(武汉)数学与物理学院湖北省物理实验教学示范中心

⁰