SVM方法在肉品新鲜度分类问题中的应用

被引：4

作者：

刘静 ^{[1
]}

管骁 ^{[2
]}

机构：

[1] 上海海事大学信息工程学院

[2] 上海理工大学医疗器械与食品学院

来源：

食品工业科技 | 2011年 / 32卷 / 04期

关键词：

支持向量机; 肉品新鲜度; 分类;

D O I：

10.13386/j.issn1002-0306.2011.04.104

中图分类号：

TS251.1 [基础科学];

学科分类号：

083203 ;

摘要：

对猪肉、牛肉、羊肉及虾等几种生鲜农产品进行了减压贮藏实验,通过检测各种样品不同保藏时间的挥发性盐基氮含量(TVB-N)、细菌总数、pH值及感官评分数据,以期实现对其新鲜度的准确分类。实验结果表明,任何单一理化或感官指标都难以获得理想的分类正确率。在此基础上,运用支持向量机(support vector machine,SVM)方法对以上数据进行合理的综合训练,并对参数进行优化,从而得到SVM神经网络模型,利用此模型进行肉品的新鲜度分类预测,可大大提高分类正确率。

引用

页码：112 / 116

页数：5

共 11 条

[1] 猪肉新鲜度评价指标、存在问题及应对措施 [J].