領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
為提高近紅外光譜技術(shù)對(duì)牛肉新鮮度的預(yù)測(cè)精度，基于網(wǎng)格搜索（grid search，GS）、隨機(jī)森林（random forest，RF）、自適應(yīng)提升（adaptive boosting，AdaBoost）算法，提出了一種GS-RF-AdaBoost的組合預(yù)測(cè)模型。首先，單獨(dú)使用RF和AdaBoost建立近紅外光譜預(yù)測(cè)模型，分析其對(duì)牛肉總揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量預(yù)測(cè)的準(zhǔn)確度；其次，使用RF將訓(xùn)練集訓(xùn)練成多個(gè)弱學(xué)習(xí)器，再用AdaBoost根據(jù)不同權(quán)重將多個(gè)弱學(xué)習(xí)器組成一個(gè)強(qiáng)學(xué)習(xí)器，建立雙集成模型；然后，利用GS算法對(duì)RF進(jìn)行優(yōu)化，構(gòu)建以GS-RF作為弱學(xué)習(xí)器的AdaBoost模型，通過(guò)近紅外光譜對(duì)牛肉TVB-N含量進(jìn)行預(yù)測(cè)；最后，將基于近紅外光譜建立的GS-RF-AdaBoost模型與常見(jiàn)的偏最小二乘回歸、RF、AdaBoost、RF-AdaBoost模型的牛肉TVB-N含量預(yù)測(cè)效果進(jìn)行對(duì)比分析。結(jié)果表明：利用近紅外光譜對(duì)牛肉新鮮度進(jìn)行預(yù)測(cè)，相較于其他模型，GS-RF-AdaBoost模型具有最低的預(yù)測(cè)集均方根誤差和最高的預(yù)測(cè)集相關(guān)系數(shù)、決定系數(shù)和殘差預(yù)測(cè)偏差，分別為1.731、0.969、0.924、4.331，證實(shí)基于近紅外光譜結(jié)合GS-RF-AdaBoost模型可有效提高牛肉TVB-N含量的預(yù)測(cè)性能。
2023年第37卷 2022年第36卷 2021年第35卷 2020年第34卷 2019年第33卷 2018年第32卷 2017年第31卷 2016年第30卷 2015年第29卷 2014年第28卷 2013年第27卷 2012年第26卷 2011年第25卷 2010年第24卷 2009年第23卷 2008年第22卷 2007年第21卷 2006年第20卷 2005年第19卷 2004年第18卷 2003年第17卷 2002年第16卷 2001年第15卷 2000年第14卷 1999年第13卷 1998年第12卷 1997年第11卷 1996年第10卷 1995年第09卷 1994年第08卷 1993年第07卷 1992年第06卷 1991年第05卷 1990年第04卷 1989年第03卷 1988年第02卷 1987年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
