基于拉曼光谱和SVM算法的果汁香精香料的鉴别方法

摘要

本发明公开了基于拉曼光谱和SVM算法的果汁香精香料的鉴别方法，首先对果汁样品进行前处理，其次采集果汁样品的拉曼光谱谱图数据，然后采用SVM算法分析果汁样品的拉曼光谱谱图数据，得到果汁样品香精香料的分类结果。本发明通过采集果汁的拉曼光谱数据进行分析，从而准确、快速、高效地得到果汁香精香料的鉴别结果。

主权项

基于拉曼光谱和SVM算法的果汁香精香料的鉴别方法，其特征在于，包括以下步骤：(1)对果汁样品进行前处理，依次包括提取、富集和浓缩三个过程；(2)采集果汁样品的拉曼光谱谱图数据；(3)采用SVM算法分析果汁样品的拉曼光谱谱图数据，得到果汁样品香精香料的分类结果，具体步骤为：(a)对果汁样品的拉曼光谱谱图数据进行平滑和归一化处理；(b)采用PCA算法对拉曼光谱谱图数据进行特征降维，将降维后的拉曼光谱谱图数据投影到低维特征向量张成的空间中，构建训练样本集X：X＝[X⁽¹⁾,X⁽²⁾,...,X^(k)]∈R^n×k其中，k为果汁样品的种类，每类果汁样品包括n个训练样本数据，X⁽ⁱ⁾＝[x₁⁽ⁱ⁾,x₂⁽ⁱ⁾,...,x_n⁽ⁱ⁾],i＝1,2,...,k，x_j⁽ⁱ⁾表示第i类果汁样品的第j个训练样本数据，j＝1,2,…,n；(c)选取核函数K，构建k(k‑1)/2个SVM分类器，计算每个SVM分类器中特征向量的核函数K的值，并根据核函数K的值构成的对称矩阵计算协方差矩阵空间；(d)对协方差矩阵进行Householder变换，得到对应的超平面矩阵；(e)根据协方差矩阵和对应的超平面矩阵，计算每个特征向量的特征系数，并将特征系数对协方差矩阵进行缩放，对缩放的协方差矩阵求逆后得到模型参数ω，b；(f)将果汁样品的测试样本数据x代入模型f(x,ω)＝ω^Tx+b中，根据f(x,ω)得到果汁样品香精香料的分类结果。