抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
牛肝菌は有名な野生食用菌として、高い食用価値と経済価値を有する。牛肝菌の種類は多く、区別しにくいため、有効、迅速、信頼できる種類の鑑別技術を確立し、牛肝菌の品質向上に一つの方法を提供することができる。本研究では、雲南省の異なる地区の7種類の野生牛肝菌計683株を収集し、サンプル中の赤外スペクトルと紫外スペクトルを取得し、異なる種類の牛肝菌の平均スペクトル特徴を分析した。複数の前処理組合せ(SNV+SG,2D+MSC+SNV,1D+MSC+SNV+SG,MSC+2D)の単一スペクトルデータを2つの固有値抽出法(PCA)と組み合わせた。LVsは、部分最小二乗法判別分析とランダムフォレストアルゴリズムを構築し、データ融合戦略と合わせて、牛肝菌に対して種類同定を行い、ある程度の革新性がある。その結果、(1)中赤外スペクトルと紫外スペクトルの異なる種類の牛肝菌の平均スペクトル吸収ピークの差異が小さく、吸光度は微細な差異があることが分かった。(2)適切な前処理はスペクトルデータ情報を高め、部分最小二乗法判別分析とランダム森林アルゴリズムモデルの中赤外スペクトルデータと紫外スペクトルデータの最適な前処理組合せは2D+MSC+SNV、SNV+SG、2D+MSC+SNVであった。1D+MSC+SNV+SG。(3)単一スペクトルモデルにおいて,中赤外スペクトルモデルは,UVスペクトルモデルより優れ,そして,2D+MSC+SNVを組合わせた部分最小二乗判別分析モデルの精度訓練セットは,99.78%であり,そして,検証セットは,99.12%であった。ランダム森林モデルの正解率は93.20%であり,検証セットは99%であった。(4)データ融合戦略は分類精度を改善し,低級融合の部分最小二乗法判別分析モデル訓練セットと検証セットの正解率は100%,99.12%であった。ランダム森林モデル訓練セットと検証セットの正解率は92.32%,99.14%であった。(5)Latentvariable(LVs)の正解率は,訓練セット92.76%,検証セット96.04%であった。中級データ融合Principalcomponentsanalysis(CPA)の正解率はトレーニングセット97.15%、検証セット100%である。(6)部分最小二乗法判別分析におけるクラスデータ融合(LVs)の正解率は訓練セットが100%、検証セットが99.56%、中級データ融合(CPA)訓練セットと検証セットの正確率は100%に達した。部分最小二乗法判別分析とランダム森林アルゴリズムとデータ融合戦略を組み合わせて、牛肝菌に対して種鑑別を行い、鑑別効果も理想的である。部分最小二乗法判別分析におけるデータ融合(CPA)は、低コストで高効率な牛肝菌種同定技術として用いることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】