肉品质检测 · 畜牧科研 · 动物科学 · 食品研发
肉品质技术文章

近红外建模中的 PLS、ANN 与高斯回归有什么不同?

用问题类型、数据规模和独立验证理解建模算法,不用算法名称代替性能证据。

PLS 提供常用的线性基线

偏最小二乘通过潜变量处理高维、强共线的光谱数据。它便于建立基线并检查样品和预处理问题。

ANN 可以表达非线性关系

人工神经网络可以拟合更复杂的关系,但也更需要足够且有代表性的样品、正确的数据划分和过拟合控制。

MYLAB 的组合建模路线

MYLAB 校准资料记录了 ANN 神经网络与高斯回归相结合的建模路线。算法名称本身不能代替同一样品集上的独立验证。

算法比较必须使用同一外部验证

只有在同一样品划分、同一参考值和同一评价指标下,才能比较不同建模方法。ANN 与高斯回归的组合不应脱离具体校准集和外部验证直接作精度比较。

MYLAB建模路线

MYLAB近红外肉质分析仪的校准资料记录了 ANN 神经网络与高斯回归结合的路线。

参考资料

常见问题

文章中的方法是否可以直接复制?

不建议。请先根据物种、部位、样品状态、目标指标和当前有效的方法文件确认操作条件。

如何判断仪器是否适合本单位样品?

用有代表性的本地样品完成寄样或现场验证,并与目标参考方法对照。

本文对应本网站中的哪些产品?

本文关联MYLAB近红外肉质分析仪。其资料记录ANN神经网络与高斯回归组合路线,实际适用性仍由校准样品与独立验证决定。

需求沟通

将文章问题转成您的样品和方法方案

可提交产品参数、报价、寄样测试或招标配置需求。先说明样品、目标指标和项目用途,再进入具体选型。