随机森林算法在红葡萄酒质量评价指标体系选择中的应用

评价指标体系的确定是葡萄酒质量评估的一个关键环节,而指标体系选取的好坏直接影响模型的预测精度。本文利用机器学习的方法———随机森林算法来选择评价指标。仿真实验表明,该算法所确定的指标对葡萄酒的评价更加准确,从而能够有效的减少因品酒师人为因素带来的评价不稳定性。      

人工神经网络和随机森林在回归问题中的应用比较

机器学习方法在回归问题中的应用十分广泛,人工神经网络(Artificial Neural Network,ANN)和随机森林(random forest,RF)均是经典的机器学习算法,在回归问题中均有众多的应用。神经网络和RF算法均为决策树算法的扩展,且均在解决回归问题中有着良好的精度。ANN是一种可以广泛应用于各个学科的经典机器学习算法;RF算法具有结构清晰、易于解释、运行效率高且对于数据要求低等优势,且RF模型具有稳定性较高,不易出现过拟合问题等特点。文章通过2个回归问题的案例,比较神经网络和RF算法在回归问题中的区别,为研究2种算法在回归问题中的应用提供参考。     

统计分析在葡萄酒质量评价中的应用

统计学方法应用于葡萄酒质量分析与评价中,可以更加清楚地了解葡萄酒成分与感官质量之间的相互关系,为葡萄酒的质量控制、预测、预报、区分提供一种有效的途径.通径分析--能够准确地反应出葡萄酒中两个变量之间的直接作用;相关性分析--可为葡萄酒的质量分析与控制提供依据;变异系数分析--可反应葡萄酒中含量的稳定性,主成分分析--确定葡萄酒特征性成分的重要基础.(丹妮)     

烤烟质量评价指标体系研究

在全国检测各等级烟叶主要理化特性指标和烟气特征指标、系统分析各指标间的关系和各指标对烟叶综合质量贡献大小的基础上,借鉴国内外专家对烤烟质量的综合评价意见。经过反复论证和筛选,选取了评价烤烟质量的外观质量指标、内在质量指标、物理特性指标。化学成分指标、安全性指标等关键指标及其适宜范围,初步建立了烤烟质量评价指标体系,该指标体系使烤烟质量评价从定性走向定量,为全面、系统、客观、准确地评价烤烟质量提供了科学依据。     

关联规则算法在评价指标体系中的应用研究

列举了当前许多教学质量评价系统存在的一些不足,对于评价结果主要有优秀、良好、中、及格或者差等,透过这个评价结果,教学管理人员很难找到教师的教学水平高低究竞和哪些评价指标有关,探讨运用关联规则算法来解决这些存在的问题。同样的利用关联规则挖掘方法可以计算出分数较高的教师的优点在哪些方面。从而为教学管理人员提供可靠的决策依据。本文以海南软件职业技术学院学生评教的数据为依据,详细介绍了关联规则算法的应用。     

感官评价在葡萄酒研究中的应用

目前，葡萄酒质量的鉴别主要靠感官分析和理化指标分析的方法来确定。本文主要介绍了葡萄酒感官评价的定义及其在葡萄酒加工工艺、成分分析和评价结果统计分析等方面的研究进展。     

使用随机森林进行工艺路线分工

在新的机型投入生产之前,需要安排每个零件的工艺路线,如果该工作能实现自动化,就可以事先快速地给出一个基本正确的方案,为后续的并行协调提供方便。文章将介绍使用机器学习技术建立工艺路线分工模型的思路和方法,首先是任务性质的分析、数据清洗、特征工程、one-hot编码等准备工作,然后使用随机森林算法训练工艺分工预测模型,对模型的性能进行审查,以及模型学到的内容进行解释,最后对更先进的机器学习技术在工艺路线分工中的应用进行展望。     

SNIF-NMR技术在葡萄酒质量评价中的应用

综述了点特异性天然同位素分馏核磁共振技术(SNIF-NMR)的原理、发展历程以及在葡萄酒质量评价中的应用.结合本实验室的初步研究成果,提出SNIF-NMR技术是评价葡萄酒质量的重要技术手段.     

基于随机森林与J48决策树的面向对象方法的土地覆被分类

21世纪以来,面向对象的影像分析方法快速发展,在高分辨率影像中的应用日益增加,同时也体现了其优势。目前,基于机器学习算法的分类方法开始普遍运用,不再局限于基于规则集的面向对象影像分类方法,这些算法相对于基于规则集的分类算法,精度有所提高,文章基于随机森林与J48决策树机器学习算法,利用WorldView2影像,进行了中卫市西南部分地区的土地覆被分类,并得到了显示效果较好的土地覆被分类图。文章的结果表明,面向对象的机器学习算法精度较高,并能适用于各种复杂的研究区,其中,针对文章研究区影像,基于随机森林的分类方法精度更高。     

氢谱核磁共振与随机森林算法联用快速检测大豆油过氧化值

基于氢谱核磁共振技术与随机森林算法联用,建立了大豆油过氧化值的快速检测方法。通过比对大豆油氢谱核磁共振数据,分析鉴别出5种氧化产物,分别为（Z,E）型和（E,E）型共轭烯烃类氢过氧化物、直链烷醛、（E,E）-共轭二烯醛、（E）-共轭烯醛。根据氢谱核磁共振测定了油样氧化产物的含量,同时采用比色法测定了过氧化值,采用交叉验证的方式构建了大豆油过氧化值快速检测的定量预测模型。结果表明：建模参数决策树的数量（ntree）为700、决策树的最大深度（max_depth）为5、决策树最小样本节点数量（min_samples_split）为4时,所建的预测模型标准均方根偏差（SRME）为2.851%,模型过氧化值预测值与比色法（标准方法）测定结果相关系数(R2)为0.943,模型表现出良好的稳定性和预测精度。氢谱核磁共振与随机森林算法联用可快速在线检测大豆油过氧化值,为油脂品质指标监测提供技术支持。     

服装用涂层面料耐用性质量评价指标体系

针对目前服装用涂层面料耐用性质量评价指标存在的缺陷,根据消费者的质量需求、服装实际穿着情况及涂层产品质量特性,通过模拟服装实际使用状况确定合理的测试方法,对收集到的各类有代表性的涂层面料样品进行了验证测试,确定了服装用涂层面料耐用性质量评价指标体系。     

感官评价在葡萄酒研究中的应用

目前,葡萄酒质量的鉴别主要靠感官分析和理化指标分析的方法来确定.主要介绍了葡萄酒感官评价的定义及其在葡萄酒加工工艺、成分分析和评价结果统计分析等方面的研究进展.     

基于随机森林和特征选择方法的蛋白质热稳定性影响因素预测

酶的耐热性对其在食品工业中实现应用至关重要。本文以随机森林算法通过蛋白质序列预测酶的热稳定性,并对影响热稳定性的重要特征进行了分析。计算了从Swiss-Prot数据库获得的1600个包含热稳定性信息的酶的430个特征。采用重复欠抽样法处理数据不平衡问题,采用向后递归特征消去法优选出30个最重要的特征。通过交叉验证和独立测试比较以各特征子集构建的模型,发现仅以氨基酸组成为特征集构建的模型获得了最佳预测效果,模型的总体预测准确率为85.83%、敏感性为89.16%、特异性为73.33%、精度为77.00%、F1度量为74.87%。结果表明氨基酸组成对酶热稳定性的影响最大,嗜热酶中含有更多的谷氨酸、异亮氨酸和赖氨酸,而常温酶中含有更多的谷氨酰胺、丝氨酸和苏氨酸。研究为蛋白质工程改造食品工业用酶的热稳定性提供了一定的理论和方法。     

基于优化随机森林算法预测食品检验不合格指标

目的 食品不合格指标危害人类饮食健康,本文将数据挖掘技术应用于食品安全检测中。方法 通过收集山东省食药局官方网站下发的2015~2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立了基于随机森林的食品不合格指标的分类预测模型,另外,通过对传统随机森林模型的参数优化,将其与决策树（DT）、逻辑回归（LR）和梯度提升决策树（GBDT）算法分类预测结果进行了对比。结果 实验表明经过参数优化后的随机森林模型对食品中不合格指标的预测准确率能够达到89.4%,比DT算法提高了11%,比LR算法提高了9%,比GBDT算法提高了8.1%。结论 基于优化的随机森林模型可以完成食品不合格指标分类预测任务,有广阔的应用前景。     

基于随机森林模型与SHAP算法的渝东北烟区土壤交换酸含量影响因素分析研究

【背景和目的】土壤交换酸含量在农业生产中对于指导施肥和调节土壤pH具有重要作用,研究环境因子（气候、地形、成土母岩）和种植年限对土壤交换酸（Exchangeable Acidity, EA）含量的影响。【方法】以重庆市东北烟区为研究区,对该区中483个采样点的土壤交换酸数据进行统计分析,构建随机森林（Random Forest, RF）模型并结合Shapley Additive exPlanations(SHAP)算法,探讨影响土壤交换酸含量的主控因素。【结果】（1）研究区土壤交换酸含量在1.56～27.50 cmol/kg之间,与降水、日照时数、坡向、种植年限呈极显著负相关性。二叠系石灰岩发育的土壤交换酸含量显著高于三叠系石灰岩发育的土壤。（2）RF模型可解释土壤交换酸含量空间变异的64%,影响因子对土壤交换酸含量的重要性为气候>成土母岩>种植年限>地形。（3）SHAP算法揭示了土壤交换酸含量在不同气候条件下存在明显的阈值效应。当年均降水量、日照时数和均温分别超过1250 mm、1290 h和12℃时,会导致土壤交换酸含量的减少,反之则会促使其增加。【结论】气候是影...     

基于层次分析法和随机森林回归算法的谷物资源风险评估模型

目的：保障谷物资源的消费安全。方法：根据国家相关标准,确定以镉（Cd）、砷（As）、铅（Pb）、铬（Cr）、黄曲霉毒素（AFs）、伏马毒素（FB）、玉米赤酶烯酮（ZEN）、脱氧雪腐镰刀菌烯酮（DON）8个化学污染物为谷物质量安全的风险评价指标,采用基于熵权法的层次分析法（EW-AHP）计算各风险评价指标的权重,并利用权重将谷物资源中生物危害因素的日常采样数据量化为具体的风险值作为风险评估模型的输出。同时将评价指标的数据作为风险评估模型的输入,选择随机森林回归（LR）、支持向量机回归（SVM）、BP神经网络回归（BP）和K近邻回归（KNN）4种机器学习算法进行模型的构建和比较。结果：基于熵权的层次分析法随机森林回归算法（AHP-RF）构建的模型的预测相关系数达0.99以上,利用风险评估模型对2019年8月的谷物检测数据进行风险预测分析,相关结果与实际相符。结论：基于AHP-RF方法构建的风险评估模型可为谷物资源的安全监管提供有针对性的参考建议。     

渝东南地区土家特色酸鲊肉制品质量评价指标体系的初步建立

目前渝东南地区酸鲊肉制品还没有相关的质量安全标准,本研究通过对市售酸鲊肉的感官评价、理化指标、微生物指标的测定和分析,同时参照其他肉制品的相关质量安全标准,初步建立酸鲊肉制品的特色质量评价指标体系,为质量安全标准的制定提供实验室参考数据。结果表明：品质良好的酸鲊肉制品除应满足其应该具有的感官品质要求外,还应满足水分含量≤43%,食盐（以NaCl计）含量≤6.0%,总酸（以乳酸计）含量≤1.80%,氨基酸态氮含量≥0.20%,亚硝酸盐含量≤30 mg/kg,组胺含量≤50 mg/kg,大肠菌群≤3.0 MPN/g,金黄色葡萄球菌≤3.0 MPN/g,沙门氏菌、单核细胞增生李斯特氏菌均不得检出。     

电子鼻和随机森林算法快速鉴别野生与 养殖日本真鲈

目的建立电子鼻和随机森林算法快速鉴别野生与养殖日本真鲈的分析方法。方法采用来源确定且规格不同的日本真鲈,利用电子鼻中14个金属氧化物传感器获取53份日本真鲈样本(养殖样本25份,野生样本28份)的特征信号,构建得到行×列为53×15(含标签列,野生为1,养殖为-1)的初始特征矩阵。构建随机森林(randomforest,RF)模型,并依据袋外错误率(out-of-bagerrorrate,OOB)对随机森林模型的估计器(决策树)数量和单一决策树最大特征的2个参数进行优化。结果模型最优估计器数为50,最大特征数为14,模型的鉴别准确率达到98.2%。通过该模型,以贡献率为指标,对电子鼻传感器进行了特征筛选和排序,其中S14和S4传感器的贡献率分别为42.9%和36.0%。结论该技术可以快速鉴别野生和养殖日本真鲈。     

决策树算法在高校教学评价中的应用研究

数据挖掘的本质是从已有信息中发现规律和模式。通过研究数据挖掘技术,运用决策树算法,对高校教学评价进行有意义的探索,研究如何从教学评价数据中提取有价值的知识,帮助教学管理人员进行科学决策,提高教学质量。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。