領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
為提高近紅外光譜技術(shù)對牛肉新鮮度的預(yù)測精度，基于網(wǎng)格搜索（grid search，GS）、隨機森林（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)測模型。首先，單獨使用RF和AdaBoost建立近紅外光譜預(yù)測模型，分析其對牛肉總揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量預(yù)測的準確度；其次，使用RF將訓(xùn)練集訓(xùn)練成多個弱學(xué)習(xí)器，再用AdaBoost根據(jù)不同權(quán)重將多個弱學(xué)習(xí)器組成一個強學(xué)習(xí)器，建立雙集成模型；然后，利用GS算法對RF進行優(yōu)化，構(gòu)建以GS-RF作為弱學(xué)習(xí)器的AdaBoost模型，通過近紅外光譜對牛肉TVB-N含量進行預(yù)測；最后，將基于近紅外光譜建立的GS-RF-AdaBoost模型與常見的偏最小二乘回歸、RF、AdaBoost、RF-AdaBoost模型的牛肉TVB-N含量預(yù)測效果進行對比分析。結(jié)果表明：利用近紅外光譜對牛肉新鮮度進行預(yù)測，相較于其他模型，GS-RF-AdaBoost模型具有最低的預(yù)測集均方根誤差和最高的預(yù)測集相關(guān)系數(shù)、決定系數(shù)和殘差預(yù)測偏差，分別為1.731、0.969、0.924、4.331，證實基于近紅外光譜結(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: 北京市豐臺區(qū)洋橋70號
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號 京ICP備14033398號-2
