论文部分内容阅读
提出了一种应用于苹果近红外光谱分析的LS～SVM回归模型；使用基于两层网格搜索的交叉验证算法确定LS—SVM的最优参数（γ，02），缩短搜索时间并提高了效率；针对LS～SVM稀疏性的缺乏和鲁棒性的不足，对模型进行优化训练。在不同方差的噪声下，通过优化训练模型的抗干扰能力明显强于常规训练模型；将优化后的LS～SVM模型应用于苹果酸度的预测，利用光纤光谱仪采集苹果近红外吸收光谱作为模型输入，使用酸度计测得苹果测量酸度值作为模型输出；实验结果表明，所建模型的相关系数和均方根误差为0．9615和0．0312，与M