文献

J-GLOBAL ID：202002247466627780   整理番号：20A0787862

AdaBoost-SVM(RBF)を用いたNIR分光法による大豆油のフライイング時間の非破壊検出【JST・京大機械翻訳】

Nondestructive detection of frying times for soybean oil by NIR-spectroscopy technology with Adaboost-SVM (RBF)

著者 (3件)： Li Jinlong (College of Electronic Engineering, Heilongjiang University, Harbin, 150080, China) ,  Sun Laijun (College of Electronic Engineering, Heilongjiang University, Harbin, 150080, China) ,  Li Ruonan (School of Computer Science and Technology, Heilongjiang University, Harbin, 150080, China)
資料名： Optik  (Optik)
巻： 206  ページ： Null  発行年： 2020年 
JST資料番号： D0251A  ISSN： 0030-4026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高温で繰り返し揚げた大豆油は,ヒトの健康を脅かすための有害物質を生産する。本論文において,近赤外分光法(NIRS)と結合したAdaBoost-SVM(RBF)分類モデルを提案して,重要なパラメータの最適選択に基づくダイズ油のフライイング時間とカーネル関数としての動径基底関数(RBF)の補助ベクトルマシン(SVM)の組合せを検出した。ここでは,4つのモードを設計し,15のfrを一次および二次段階に分割し,次に,生成した分類モデルを比較した。特に,モード3によってI,II,IIIクラスとして分類した後に,AdaBoostによって確立された一次モデルの精度は98%に達した。その後,種々の方法で前処理したスペクトルを分析した。二次モデルの性能が著しく強化されると予想されるように,特にSVM(RBF)モデルの精度は76%から88.89%に増加した。さらに,連続射影アルゴリズム(SPA)を適用して,関連波長を得た。I,II,IIIクラスの次元が14,6,8に減少したとき,SVM(RBF)モデルの精度は93.33%の最良の平均値であった。最終的に,外部検証の結果は,一次および二次モデルの精度がそれぞれ95.55%,91.11%に達したことを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フライイング ,  有害物質 ,  *大豆油 ,  高温 ,  *近赤外分光分析 ,  前処理 ,  射影 ,  波長 ,  温泉 ,  アルゴリズム ,  モード3 ,  動径基底関数 ,  非破壊検査 ,  スペクトル
準シソーラス用語： *AdaBoost , 【Automatic Indexing@JST】

著者キーワード (5件)： 大豆油 ,  フライイング時間 ,  AdaBoost ,  SVM ,  温泉

分類 (1件)： 光導波路,光ファイバ,繊維光学  (BD06030H)

タイトルに関連する用語 (7件)： AdaBoost ,  SVM ,  RbF ,  NIR分光法 ,  大豆油 ,  フライイング ,  非破壊検出