优化的近红外光谱LS-SVM模型测定小麦蛋白质

作者：陈素彬; 胡振

来源：食品工业, 2019, 40(12): 329-333.

• 近红外光谱
• 最小二乘支持向量机(Least squares support vector machine, LS-SVM)模型
• 优化
• 小麦蛋白质

小麦蛋白质测定的常规方法为湿化学分析法,具有操作复杂、污染环境和耗时较长等缺点,为此建立了一个近红外光谱LS-SVM模型,以实现小麦蛋白质含量的简便、快速测定。首先对样品光谱进行"均值中心化+去趋势"预处理,并用SPXY法划分校正集和测试集样本;然后采用改进的二进制蝙蝠算法(IBBA)进行建模参数和特征波长的联合优化,根据优化结果对校正集数据建立LS-SVM模型,并用测试集数据验证其性能;最后通过与常用的PLS、CARS-PLS及未优化的SVM、LS-SVM建模结果进行比较,确认该模型的有效性。结果表明,该模型的各项性能指标优异,能够满足实际检测工作的要求。

• 单位
  南充职业技术学院