食用油的拉曼光谱决策树与K-Means分析: 一种物理信息人工智能方法

摘要

该研究建立拉曼光谱与机器学习相结合、以物理信息人工智能（PI-AI）为框架的食用油鉴别方法。对五种食用油纯样及炸薯片基质样本进行t-SNE、K-means、决策树与NNLS光谱分解。纯油类别组织与可分性更强，基质引起明显谱图重叠。决策树仅用原始1866维光谱中的4个拉曼变量，即对纯油达到100%分类准确率，约0.21%信息；含基质样本经优化剪枝后准确率为86.4%和85.4%（分别扣除纸张、纸张+马铃薯），重要变量减至5个和4个，四特征表示压缩99.44%数据足迹且不损准确率。