典型文献
基于分类特征提取和深度学习的牛肉品质识别
文献摘要：
目的:降低数据差异性和光谱特征冗余度对牛肉品质识别的影响.方法:提出一种基于分类特征提取和深度学习的牛肉品质识别方法,采用改进的DPeak算法对光谱数据进行自适应聚类分析,实现对数据的差异性分析.定义牛肉光谱特征提取目标函数,采用离散狮群算法进行求解,提取每个分类的最佳光谱特征子集,最大限度降低特征冗余度.运用改进狮群算法(ILSO)对每个分类对应的支持向量机(SVM)模型参数进行优化,提出融合分类特征提取和ILSO优化SVM的牛肉品质识别模型,完成对牛肉品质的分类识别.结果:相比于SSA-SVM、PCA-SVM识别模型,该模型识别精度提高了约12.3％～14.5％.结论:基于分类特征提取和深度学习的牛肉品质识别模型能够提高牛肉品质识别精度.
文献关键词：
牛肉;特征;近红外光谱;狮群算法;支持向量机;品质识别
中图分类号：
作者姓名：
王新龙;李翔
作者机构：
长治学院,山西 长治 046011;陕西科技大学,陕西 西安 710021
文献出处：
引用格式：
[1]王新龙;李翔-.基于分类特征提取和深度学习的牛肉品质识别)[J].食品与机械,2022(07):91-98
A类：
B类：
分类特征,牛肉品质,品质识别,冗余度,DPeak,光谱数据,自适应聚类,差异性分析,光谱特征提取,特征子集,改进狮群算法,ILSO,融合分类,识别模型,分类识别,SSA,模型识别,识别精度,近红外光谱
AB值：
0.201108
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
