基于矿物轮廓的蜂蜜花性与地理来源分类
机器学习
2025-07-30 v1
摘要
本文提出一种基于矿物元素轮廓的机器学习方法，用于识别蜂蜜的花性和地理来源。该方法包括两个步骤：预处理和分类。在预处理阶段，我们进行缺失值处理和数据归一化。在分类阶段，我们使用各种监督分类模型来区分六种花源和十三种地理来源的蜂蜜。我们在公开的蜂蜜矿物元素数据集上测试了分类器的性能。该数据集包含来自不同花源和地理来源的蜂蜜矿物元素轮廓。结果表明，蜂蜜中的矿物元素含量提供了用于分类蜂蜜花性和地理来源的判别性信息。结果还表明，随机森林 (RF) 分类器在该数据集上获得了最佳性能，分别实现了 99.30% 和 98.01% 的交叉验证准确率，用于分类蜂蜜的花源和地理来源。
引用
@article{arxiv.2507.22032,
title = {Classification of Honey Botanical and Geographical Sources using Mineral Profiles and Machine Learning},
author = {Mokhtar Al-Awadhi and Ratnadeep Deshmukh},
journal= {arXiv preprint arXiv:2507.22032},
year = {2025}
}
备注
13 pages, 7 figures, conference paper