Please wait a minute...
 
 
食品与发酵工业  2011, Vol. 37 Issue (04): 221-225    DOI: 10.13995/j.cnki.11-1802/ts.2011.04.049
  食品与发酵工业 本期目录 | 过刊浏览 | 高级检索 |
基于SVM方法的猪肉新鲜度分类问题研究
刘静,管骁
Studies on the Classification of Pork Freshness by SVM
Liu Jing, Guan Xiao
下载:  HTML   PDF (336KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 文中采取减压贮藏方式对新鲜猪肉进行了贮藏实验,测定了不同贮藏时间样品的挥发性盐基氮含量(TVB-N)、细菌总数、pH值及感官评价数据,并运用支持向量机(support vector machine,SVM)对这些样本数据进行训练,选取不同的核函数,得到SVM神经网络模型,随后利用此模型对测试数据进行猪肉新鲜度分类预测。实验表明,根据样本特性进行数据预处理,且选取合适的核函数后,SVM神经网络能得到极高的猪肉新鲜度正确分类率。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘静
管骁
关键词:  支持向量机  猪肉新鲜度  分类    
Abstract: The pork freshness is a big safety issue on people's health.In this paper,fresh pork samples were stored in decompression storage room.The TVB-N content,total bacterial count,pH value and sensory scores of the samples were determined at different storage stage.SVM neural networks models were obtained by training the sample data with different kernel functions and cross-validation.Furthermore,the test data were used to predict the freshness of pork sample by SVM neural network.The experiment results suggested that the SVM neural networks obtained higher correct classification rate of pork freshness with the right kernel function and cross-validation according to the sample performance.
Key words:  support vector machine    pork freshness    classification
               出版日期:  2011-04-25      发布日期:  2011-04-25      期的出版日期:  2011-04-25
引用本文:    
刘静,管骁. 基于SVM方法的猪肉新鲜度分类问题研究[J]. 食品与发酵工业, 2011, 37(04): 221-225.
Liu Jing,Guan Xiao. Studies on the Classification of Pork Freshness by SVM[J]. Food and Fermentation Industries, 2011, 37(04): 221-225.
链接本文:  
http://sf1970.cnif.cn/CN/10.13995/j.cnki.11-1802/ts.2011.04.049  或          http://sf1970.cnif.cn/CN/Y2011/V37/I04/221
[1] 江亿平, 卞贝, 张兆同, 潘磊庆, 汪小旵. 基于聚核模糊分类的多指标水蜜桃成熟度判别[J]. 食品与发酵工业, 2021, 47(9): 174-182.
[2] 胡雪, 李锦松, 唐永清, 张良, 钱宇, 赵金松. 基于GC-MS结合化学计量学的浓香型白酒分类方法[J]. 食品与发酵工业, 2021, 47(8): 212-217.
[3] 张珮, 王银红, 李高阳, 单杨, 朱向荣. 基于近红外光谱的桃果实冷害识别分析[J]. 食品与发酵工业, 2021, 47(2): 254-259.
[4] 刘芳, 杨康卓, 张建敏, 何张兰, 彭志云, 郑佳. 基于电子鼻和气质联用技术的浓香型白酒分类[J]. 食品与发酵工业, 2020, 46(2): 73-78.
[5] 张哲, 于学健, 曹艳花, 姚粟. 干酪乳杆菌Lactobacillus casei及相近菌种的分类变迁[J]. 食品与发酵工业, 2020, 46(16): 243-248.
[6] 张珏, 田海清, 张丽娜, 王轲, 于洋. 高光谱成像技术对羊肉新鲜度的无损检测[J]. 食品与发酵工业, 2020, 46(12): 237-243.
[7] 邵玉倩, 宗原, 刘以安, 刘登峰. 基于机理模型和模糊加权最小二乘支持向量机(LSSVM)算法的农杆菌发酵过程混合建模与优化[J]. 食品与发酵工业, 2019, 45(7): 65-73.
[8] 李金金, 孙哲华, 孟庆浩. 基于手持式电子鼻的白酒识别[J]. 食品与发酵工业, 2019, 45(24): 218-222.
[9] 王刚, 朱慧越, 俞赟霞, 赵建新, 张灏, 陈卫. 乳酸菌合成细菌素及对肠道菌群的影响[J]. 食品与发酵工业, 2019, 45(21): 264-271.
[10] 马泽亮, 国婷婷, 殷廷家, 王志强, 杨方旭, 李彩虹, 李钊, 袁文浩. 基于电子鼻系统的白酒掺假检测方法[J]. 食品与发酵工业, 2019, 45(2): 190-195.
[11] 张彩文, 程坤, 张欣, 刘波, 都海渤, 姚粟. 贝莱斯芽胞杆菌(Bacillus velezensis)分类学及功能研究进展[J]. 食品与发酵工业, 2019, 45(17): 258-265.
[12] 陈繁, 刘翠玲, 陈兰珍, 孙晓荣, 李熠, 金玥. 不同储存条件下的蜂王浆中红外光谱判别方法[J]. 食品与发酵工业, 2019, 45(15): 251-255.
[13] 邹凌波, 王栋, 余海燕, 张立军, 徐岩. 基于理化指标和风味成分的酿造米酒分类及其相关特性分析[J]. 食品与发酵工业, 2019, 45(13): 78-84.
[14] 常睿, 马梦君, 罗理勇, 余霞, 代丽凤, 曾亮. 基于生化成分构建不同地区黑茶分类模型[J]. 食品与发酵工业, 2019, 45(11): 91-98.
[15] 陈嘉, 高丽, 叶发银, 雷琳, 赵国华. 基于近红外光谱与支持向量机的甘薯粉丝掺假快速检测[J]. 食品与发酵工业, 2019, 45(11): 211-218.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《食品与发酵工业》编辑部
地址:北京朝阳区酒仙桥中路24号院6号楼111室
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn