首页|基于随机森林的相邻区域地理标志大米产地确证方法

基于随机森林的相邻区域地理标志大米产地确证方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为探讨随机森林方法对大米产地确证的有效性,找寻相邻区域的产地确证优化模型,利用原子吸收分光光度计对梅河及其相邻产区大米的矿物质元素(Cu、Zn、Fe、Mn、K、Ca、Na、Mg、Pb、Cd)含量进行了测定.采用R语言编写程序,通过strata函数实现训练集与测试集的数据划分,选用randomForest函数建立产地确证模型,由袋外误差估计进行模型优化.研究结果表明:建立的模型能够实现相邻区域大米样本的产地确证,对50个待测样本进行预测,准确率达96％.利用随机森林结合矿物质元素指纹技术可确证和追溯大米的产地来源,为相邻区域的地理标志大米及其他食品的产地确证研究提供方法参考.
Origin Confirmation of Geographical Indication Rice in Adjacent Regions Based on Random Forest

王靖会、吴玥、臧妍宇、陈云志、王艳辉、闵伟红

展开 >

吉林农业大学信息技术学院,长春130118

吉林省食品检验所,长春 130103

长春市净月高新技术产业开发区永兴街道办事处,长春130122

吉林农业大学食品科学与工程学院,长春130118

展开 >

地理标志大米 产地确证 随机森林 矿物质元素指纹技术

吉林省重点科技研发项目国家重点研发计划项目吉林省科技发展计划项目吉林省科技发展计划项目

20180201051NY2016YFE020290020130204046NY20130204043NY

2019

吉林农业大学学报
吉林农业大学

吉林农业大学学报

CSTPCDCSCD北大核心
影响因子：1.014
ISSN：1000-5684
年,卷(期)：2019.41(3)
  • 4
  • 9