基于机器学习方法的食用油掺假定性检测
计算工程、金融与科学
2013-05-15 v1 机器学习
摘要
本研究聚焦于利用机器学习分析方法对 9 种食用油的掺假情况进行定性识别，并回答了以下三个问题：油样是否掺假？其构成如何？掺假油的主要成分是什么？在从 370 个油样中提取甘油三酯的高效液相色谱（HPLC）数据后，我们应用带有多类 Hamming 损失的自适应提升算法（AdaBoost.MH）来区分食用油掺假情况，并与支持向量机（SVM）进行对比。此外，我们将掺假油样和纯油样分别视为具有多个标签和单个标签的样本。随后构建了多标签 AdaBoost.MH 和多标签学习向量量化（ML-LVQ）模型，以确定掺假油中的成分及其相对比例。六项指标的实验结果表明，ML-LVQ 的性能优于多标签 AdaBoost.MH。
引用
@article{arxiv.1305.3149,
title = {Qualitative detection of oil adulteration with machine learning approaches},
author = {Xiao-Bo Jin and Qiang Lu and Feng Wang and Quan-gong Huo},
journal= {arXiv preprint arXiv:1305.3149},
year = {2013}
}
备注
18 pages, 4 figures, 5 tables