基于多层svm的面筋强度分类模型优化研究

《基于多层svm的面筋强度分类模型优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号⋯⋯⋯⋯⋯⋯⋯UDCI⋯⋯⋯⋯⋯⋯．．密级⋯公⋯亚⋯⋯Z毋声夕擎硕士研究生学位论文基于多层SVN的面筋强度分类模型优化研究申请人：学号：培养单位：学科专业：研究方向：指导教师：完成日期：毛晓东2111324电子工程学院检测技术与自动化装置智能仪器与智能测控技术孙来军副教授2014年03月27日————～Il丫Z56MHlllll9M。18llllll4lJlllf中文摘要在粮食作物中小麦有着尤为重要的地位，被广泛用于加工多种食品。由于小麦品质直接影响着食品的质量，因而其受到人们越来越多的关注。近年来，随着人们对饮食安全的重视，快速、高效的对小麦品质进行类型

2、检测已发展成为一项重点研究课题。目前，研究学者在此项课题上已取得了一定的成果，如采用近红外光谱分析技术实现小麦品质类型的检测。但目前的检测方法仍存在一些问题，如所建模型不完善、模型预测精度不高等。针对目前研究中存在的问题，本文运用近红外光谱技术分析了小麦按面筋强度分类的可行性，深入研究了小麦类型检测模型，提出了建立多层模型的思想实现对小麦按面筋强度分类的类型检测。首先，为了使所选实验样品具有代表性，并确保实验样品的原始光谱数据的准确性，本文采用马氏距离对采集的光谱数据进行两次筛选；同时，利用对样品光谱数据的主成分分析(PCA)，本文证明了近红外光谱分析小麦面筋强

3、度分类的可行性。其次，本文研究了光谱数据预处理方法，用于处理后续建模数据。本文对移动窗口平均、一阶导数、二阶导数、标准正态变量变换(SNV)方法相结合组成的8种不同修正方法比较分析；不仅如此，本文还对PCA、连续投影算法(SPA)和偏最小二乘(PLS)三种数据压缩降维方法进行比较分析。结果表明，利用移动窗口平均一二阶导数一SNV修正方法和PLS压缩降维方法处理小麦光谱数据的效果最好。最后，本文研究了以支持向量机(SVM)构建多层分类模型。通过对基于SVM所建立的小麦品质类型(强筋、中筋、弱筋和普通小麦)检测模型验证结果的分析，本文提出了以多层模型实现类型检测的思

4、想。利用SVM建立两层分类模型实现小麦按面筋强度分类的类型检测，结果表明两层SVM分类模型对四类小麦样品的类型检测效果较好，实现了对不同品质小麦快速、准确地类型检测。关键词：近红外光谱：面筋强度分类：多层模型：SVM黑龙江大学硕士学位论文Abs．CractWheatoccupiesaveryimportantpositioninfoodcrops，itiswidelyusedinmanyfoods．Becausewheatqualitydirectlyaffectsthequalityofthefoodproduced，itismoreandmorenotice

5、dbypeople．Inrecentyears，aspeoplefocusonfoodsafety，fastandefficientdetectionofwheatqualityhasdevelopedintoahotresearchtopic．Currently，researchershavemadesomeachievementsonthistopic，suchastheuseofnear-infraredspectroscopytechnologytOachievethedetectionofwheatqualitytypes．HoweveLthecurr

6、entdetectionmethodsstillhavesomeproblems，suchasthemodelisnotenoughperfect，theaccuracyofthedetectionmodelisnothigh．Forstudyingtheexistingproblems，thispaperclassifieswheatbasedonwheatglutenstrengthbyusingnear-infraredspectroscopy．Meanwhile，thisdissertationalsoin·depthstudiesofwheattype

7、sdetectionmodel，proposesmulti-layermodeltoachievethedetectionofwheattypesclassifiedbyglutenstrength。First，inordertOmaketheselectedsamplesisrepresentativeandensuretheaccuracyoftheoriginalspectraldataofexperimentalsamples，thispaperUSeSthemethodofmahalanobisdistancetOscreenthecollecteds

8、pectraldatat