基于PSO结合SVM的肉品新鲜度判别方法

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：

江苏大学学报(自然科学版) | 2012年 / 33卷 / 03期

关键词：

肉品新鲜度; 判别; 粒子群优化算法; 支持向量机; 优化;

D O I：

暂无

中图分类号：

TS251.7 [产品标准与检验];

学科分类号：

摘要：

通过测定4种肉样品(猪肉、牛肉、羊肉及虾)的挥发性盐基氮(TVB-N)、细菌总数、pH值和感官评分等指标数据,运用支持向量机方法对以上数据进行综合训练得到数学模型,并对SVM模型参数采用粒子群优化算法进行优化,拟实现肉品新鲜度的快速准确分类.结果表明:仅采用某一项理化指标对肉品新鲜度进行判定误判率较高,而采用默认参数条件下的以RBF为核函数的SVM模型能一定程度上提高判别准确率,但利用PSO优化的SVM模型能将肉品新鲜度判别准确率提高到100%,且模型还具有极好的稳定性.

引用

页码：288 / 292+321 +321

页数：6

共 8 条

[1] A method to calculate displacement factors using SVM
Li Peixian
[J]. International Journal of Mining Science and Technology, 2011, 21 (03) : 307 - 311
[2] 猪肉新鲜度评价指标、存在问题及应对措施
黄蓉
刘敦华
[J]. 肉类工业, 2010, (06) : 43 - 46
[3] 求解旅行商问题的几种智能算法
朱献文
李福荣
[J]. 计算机与数字工程, 2010, 38 (01) : 32 - 35
[4] 现代智能优化算法研究综述
沈小伟
万桂所
王一云
[J]. 山西建筑, 2009, 35 (35) : 30 - 31
[5] 关于统计学习理论与支持向量机
张学工
[J]. 自动化学报, 2000, (01) : 36 - 46
[6] 肉类工业手册[M]. 中国轻工业出版社 , 南庆贤主编, 2003
[7] Application of a microbial sensor to the quality control of meat freshness
Yano, Y
Numata, M
Hachiya, H
Ito, S
Masadome, T
Ohkubo, S
Asano, Y
Imato, T
[J]. TALANTA, 2001, 54 (02) : 255 - 262
[8] Characterization and meat freshness application of a serial three-enzyme reactor system measuring ATP-degradative compounds
Park, IS
Cho, YJ
Kim, N
[J]. ANALYTICA CHIMICA ACTA, 2000, 404 (01) : 75 - 81

← 1 →