您的位置: 专家智库 > 资助详情>河北省自然科学基金(B2013201235)

河北省自然科学基金(B2013201235)

作品数:4 被引量:12H指数:2
相关作者:夏立娅李晓杨张晓瑜窦玉蕾熊娜更多>>
相关机构:河北大学中国农业大学更多>>
发文基金:河北省自然科学基金国家自然科学基金公益性行业科研专项更多>>
相关领域:理学轻工技术与工程更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 3篇理学
  • 1篇轻工技术与工...

主题

  • 3篇冬枣
  • 1篇地理标志
  • 1篇地理标志产品
  • 1篇阴离子
  • 1篇神经网
  • 1篇神经网络
  • 1篇识别技术
  • 1篇偏最小二乘
  • 1篇人工神经
  • 1篇人工神经网络
  • 1篇主成分
  • 1篇主成分分析
  • 1篇最小二乘
  • 1篇网络
  • 1篇离子
  • 1篇模式识别
  • 1篇模式识别技术
  • 1篇矿物
  • 1篇工神经网络
  • 1篇多元线性回归...

机构

  • 4篇河北大学
  • 1篇中国农业大学

作者

  • 4篇夏立娅
  • 2篇张晓瑜
  • 2篇李晓杨
  • 1篇申世刚
  • 1篇李小亭
  • 1篇高巍
  • 1篇李亚平
  • 1篇李超
  • 1篇马泽洋
  • 1篇熊娜
  • 1篇窦玉蕾

传媒

  • 3篇河北大学学报...
  • 1篇食品工业科技

年份

  • 1篇2019
  • 2篇2016
  • 1篇2013
4 条 记 录,以下是 1-4
排序方式:
基于多元素分析的冬枣产地鉴别方法被引量:5
2016年
为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。
夏立娅高巍李亚平尹洁璇张晓瑜李晓杨
关键词:冬枣偏最小二乘
基于NIR的模式识别技术在地理标志产品响水大米鉴别中的应用被引量:5
2013年
分别利用多元线性回归判别分析和BP人工神经网络分析建立了近红外光谱(NIR)快速鉴别地理标志产品响水大米的新方法.大米的近红外光谱数据经过一阶导数和平滑处理后,利用主成分分析对数据进行了降维处理,并确定了相关性最大的特征波段(7700~6700cm-1与5700~4300cm-1).利用特征波段的主成分数据建立了多元线性回归判别分析和BP人工神经网络鉴别模型.2种模型对于地理标志产品响水大米的鉴别正确率均为100%,适用于地理标志产品的快速无损鉴别.
谌蓓夏立娅窦玉蕾马泽洋熊娜
关键词:多元线性回归分析BP人工神经网络地理标志产品
基于阴离子特征分析的冬枣产地鉴别被引量:1
2019年
为了考察阴离子用于农产品产地鉴别的可能性,利用离子色谱测定了黄骅、沾化和大荔冬枣及土壤中多种阴离子的含量,并对数据进行了方差分析、偏相关分析、逐步判别分析(SDA)和径向基人工神经网络分析(RBF-ANN).结果表明,冬枣中F^-、Cl^-、NO_2^-、PO_4^(3-)、SO_4^(2-)和C_2O_4^(2-)在不同产地间存在显著性差异,与土壤中阴离子具有显著相关性.逐步判别分析中,上述6种阴离子的判别能力较强,所建判别方程可以准确地鉴别冬枣的产地.RBF-ANN的分析进一步证实了,6种阴离子所建模型的准确率高于全部阴离子的分析结果,Br^-对产地鉴别有一定的干扰作用,鉴别准确度降低.研究结果证实了阴离子结合统计学算法可以建立有效的冬枣产地鉴别模型,选择合适的产地因子是提高产地鉴别模型准确度的关键步骤.
夏立娅申世刚李超刘晓慧李运思李姣姣
关键词:冬枣阴离子
矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化被引量:1
2016年
为了提高冬枣产地鉴别方法的准确性,测定了69个冬枣样本中10种元素的含量,并对数据进行了差异性分析、主成分分析和簇类独立软模式分析(SIMCA).结果表明,冬枣中Mg、B、Mn、Fe、Zn等元素在不同产地间存在显著差异,利用主成分分析可以看出不同产地样本有较好的聚类趋势.在前4个主成分中,Fe、B、Mn、Zn和K元素的载荷值较高,是重要的产地识别元素.利用SIMCA建立的产地判别模型,置信水平为5%时对验证集样本判别结果最好,识别率为100%,拒绝率为78.95%.研究结果证实了农产品中多元素分析结合SICMA法可以有效用于原产地的鉴别.
夏立娅李小亭李晓杨张晓瑜尹洁璇
关键词:冬枣主成分分析
共1页<1>
聚类工具0