东方亚洲欧a∨人在线观看|欧美亚洲日韩在线播放|日韩欧美精品一区|久久97AV综合

        基于煙葉化學(xué)成分烤煙香型分類模型的建立

        發(fā)布時(shí)間:2019-08-24 來(lái)源: 歷史回眸 點(diǎn)擊:

        http://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-1-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-2-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-3-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-4-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-5-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-6-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-7-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-8-l.jpghttp://img1.qikan.com.cn/qkimages/hbny/hbny201505/hbny20150550-9-l.jpg
          摘要:基于煙葉化學(xué)數(shù)據(jù)建立烤煙香型分類模型,然后對(duì)各模型進(jìn)行篩選比較選出最優(yōu)模型。首先對(duì)142個(gè)烤煙煙葉樣品中的9類成分的63個(gè)指標(biāo)采用行業(yè)標(biāo)準(zhǔn)進(jìn)行檢測(cè),然后采用逐步回歸法篩選出19個(gè)煙葉化學(xué)成分,依據(jù)這19個(gè)指標(biāo)采用線性判別分析法、Logistic回歸、高斯混合模型、分類樹(shù)、K最鄰近法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)七種方法進(jìn)行建模。通過(guò)對(duì)不同方法建立的模型采用100次隨機(jī)抽取訓(xùn)練集樣本和測(cè)試樣本計(jì)算錯(cuò)誤分類率,選擇錯(cuò)誤分類率較低的模型作為優(yōu)選模型。經(jīng)比較發(fā)現(xiàn),線性判別法和高斯混合模型建立的兩種香型函數(shù)能較好地對(duì)未知樣品的香型進(jìn)行正確分類,且效果較好。篩選出的兩種優(yōu)選模型對(duì)于烤煙香型分類研究具有一定的應(yīng)用價(jià)值。
          關(guān)鍵詞:煙葉化學(xué)成分;烤煙香型;模型分類法
          中圖分類號(hào):TS44+1 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):0439-8114(2015)05-1220-07
          DOI:10.14088/j.cnki.issn0439-8114.2015.05.049
          Abstract: Based on the chemical components of tobacco leaves, the classification models of tobacco flavor were established. All models were compared to select the optimal model. 63 components of 9 kinds of 142 tobacco leaves were detected by tobacco industry standards. 19 chemical components were selected by stepwise regression method. Seven methods including discriminate analysis, Logistic regression, Gauss mixture model, classification tree, K nearest neighbor method, artificial neural network and support vector machine were used to establish the models based on the 19 index. 100 randomly selected samples were used as the training sets and test samples to calculate the error classification rate through the establishment of the different methods of models. The model was the preferred model with classification error rate lower than others. By comparision, two kinds of flavor function model (linear discriminate method and Gauss mixed) were better to unknown sample types. Two kinds of optimization models had a certain application value for classifying tobacco flavor.
          Key words: chemical components of tobacco leaves; tobacco flavor; model classification methods
          目前利用烤煙中化學(xué)成分、致香成分對(duì)三種烤煙香型進(jìn)行模式識(shí)別已有相關(guān)文獻(xiàn)報(bào)道[1-4]。在國(guó)內(nèi)的研究中,朱立軍等[2]對(duì)112份市售卷煙樣品中20種化學(xué)成分采用逐步判別方法進(jìn)行判別分析取得了較好的分類結(jié)果,Zhan等[4]以63個(gè)中部和65個(gè)上部煙葉為材料,基于其中的67種致香物質(zhì)對(duì)三種香型進(jìn)行逐步判別分析也取得較好的分類結(jié)果并得到很好的應(yīng)用。目前在利用化學(xué)計(jì)量學(xué)進(jìn)行模式識(shí)別的過(guò)程中,已發(fā)展出了各種各樣的方法[5],采用其他類型的方法是否與經(jīng)典的判別分析方法具有同樣的效果,或是效果要好于經(jīng)典方法,此方面的研究還未見(jiàn)相關(guān)的報(bào)道。為此,采用目前較為成熟的經(jīng)典判別分析方法(LDA)、Logistic回歸(LR)、高斯混合模型(Mix)、分類樹(shù)(Tree)、K最鄰近法(KNN)、人工神經(jīng)網(wǎng)絡(luò)(CANN)和支持向量機(jī)(SVM)七種化學(xué)計(jì)量學(xué)方法,隨機(jī)抽取不同的訓(xùn)練集和測(cè)試集進(jìn)行分析,擬篩選出分類效果較優(yōu)且精度較為穩(wěn)健的模型,以期為烤煙香型分類優(yōu)化模型的選擇提供理論依據(jù)。
          1 材料與方法
          1.1 材料
          2011年收集142份烤煙樣品,分別來(lái)自中國(guó)14個(gè)省份,16個(gè)品種。其中清香型(簡(jiǎn)稱“清”)50個(gè),中間香型簡(jiǎn)稱“中”40個(gè),濃香型(簡(jiǎn)稱“濃”)52個(gè)。本次收集的樣品均由全國(guó)評(píng)煙委員會(huì)委員組成的評(píng)吸專家組對(duì)烤煙香型(清香型、濃香型和中間香型)進(jìn)行鑒定。
          1.2 方法
          1.2.1 分析檢測(cè) 在煙葉化學(xué)成分中主要對(duì)9類成分中的63個(gè)指標(biāo)采用行業(yè)標(biāo)準(zhǔn)進(jìn)行檢測(cè)。63個(gè)指標(biāo)具體是總糖、還原糖、氯、鉀、氮、總植物堿、石油醚提取物、粗纖維素、揮發(fā)酸、揮發(fā)堿、葡萄糖、果糖、蔗糖、綠原酸、莨菪亭、蕓香苷、鐵、錳、銅、鋅、鈉、硼、鈣、鎂、硝酸根、硫酸根、磷酸根、草酸、丙二酸、蘋(píng)果酸、棕櫚酸、硬脂酸、檸檬酸、亞油酸、亞麻酸、煙堿、降煙堿、麥斯明、假木賊堿、新煙草堿、2,3-聯(lián)吡啶、葉黃素、胡蘿卜素、天冬酰胺酸、組氨酸、絲氨酸、谷氨酰胺酸、精氨酸、甘氨酸、高絲氨酸、天冬氨酸、谷氨酸、蘇氨酸、丙氨酸、γ-氨基丁酸、脯氨酸、賴氨酸、酪氨酸、纈氨酸、異亮氨酸、亮氨酸、苯丙氨酸、色氨酸。

        相關(guān)熱詞搜索:烤煙 香型 煙葉 化學(xué)成分 模型

        版權(quán)所有 蒲公英文摘 smilezhuce.com