3.4.2. Step 2Parameter optimization

3.4.2. Step 2
Parameter optimization by PSO. In the optimized parameter region for classification, PSO algorithm is use to find the optimal parameters due to its characteristics of fast multi-peak searching and dynamic optimization. The number of particles is set as 25, and the position of each particle is initialized as the center of optimized region. Additionally, to avoid the problem of overfitting, the parameter (c, g), with which the corresponding model has the highest classification accuracy and the smallest number of support vectors, is selected as the optimal one. After 10,000 iterations, the optimal parameters are obtained with the values of c = 34.3 and g = 0.0947, and the corresponding classification accuracy is 100% with 23 support vectors. This result indicates that the SVM classification is capable to discriminate between authentic sesame oils and adulterated sesame oils and the detection limit for authentication is estimated as low as 5% in mixing ratio. In other words, SVM model and gas chromatography provide a promising recipe as a detection method for adulterated sesame oil.

ผลลัพธ์ (ไทย) 2:

3.4.2 ขั้นตอนที่ 2
การเพิ่มประสิทธิภาพโดยพารามิเตอร์ PSO ในภูมิภาคพารามิเตอร์ที่ดีที่สุดสำหรับการจำแนกขั้นตอนวิธี PSO คือการใช้หาค่าพารามิเตอร์ที่เหมาะสมที่สุดเนื่องจากลักษณะของการค้นหาได้อย่างรวดเร็วหลายจุดสูงสุดแบบไดนามิกและการเพิ่มประสิทธิภาพ จำนวนของอนุภาคถูกตั้งค่าเป็น 25 และตำแหน่งของแต่ละอนุภาคจะเริ่มต้นเป็นศูนย์กลางของภูมิภาคที่ดีที่สุด นอกจากนี้เพื่อหลีกเลี่ยงปัญหาการอิงพารามิเตอร์ (c, g) ซึ่งรูปแบบที่สอดคล้องมีการจัดหมวดหมู่ความถูกต้องสูงสุดและจำนวนที่น้อยที่สุดของเวกเตอร์สนับสนุนถูกเลือกเป็นหนึ่งในที่ดีที่สุด หลังจากที่ 10,000 ซ้ำพารามิเตอร์ที่ดีที่สุดจะได้รับมีค่าของ c = 34.3 และ g = 0.0947 และความถูกต้องของการจัดหมวดหมู่ที่สอดคล้องกันเป็น 100% กับ 23 เวกเตอร์การสนับสนุน ผลที่ได้นี้แสดงให้เห็นว่าการจัดหมวดหมู่ SVM ที่มีความสามารถในการแยกแยะระหว่างน้ำมันงาแท้และน้ำมันงาปลอมปนและขีด จำกัด ของการตรวจสอบสำหรับการตรวจสอบเป็นที่คาดต่ำเป็น 5% ในอัตราส่วนการผสม ในคำอื่น ๆ รูปแบบ SVM และแก๊ส chromatography ให้เป็นสูตรที่มีแนวโน้มเป็นวิธีการตรวจสอบสำหรับการปลอมปนน้ำมันงา

ผลลัพธ์ (ไทย) 3:

3.4.2 . ขั้นตอนที่ 2 เพิ่มประสิทธิภาพระบบด้วยค่า
. ในภูมิภาคปรับพารามิเตอร์สำหรับการจำแนกขั้นตอนวิธีระบบคือใช้เพื่อหาพารามิเตอร์ที่เหมาะสม เนื่องจากลักษณะของการเพิ่มประสิทธิภาพสูงสุดและรวดเร็วหลายแบบไดนามิก . จำนวนของอนุภาคเป็น 25 และตำแหน่งของแต่ละอนุภาคเป็นเริ่มต้น เป็นศูนย์กลางของภูมิภาคที่ปรับให้เหมาะสม นอกจากนี้เพื่อหลีกเลี่ยงปัญหาของ overfitting , พารามิเตอร์ ( C , G ) ซึ่งสอดคล้องกับแบบจำลองมีความแม่นยำในการจำแนกสูงสุดและจำนวนน้อยที่สุดของเวกเตอร์สนับสนุน เลือกที่เหมาะสมหนึ่ง 10 , 000 รอบหลังพารามิเตอร์ที่ดีที่สุดจะได้รับกับค่าของ C = 34.3 และ G = 0.0947 และความถูกต้องของการจำแนกที่ 100% กับ 23 สนับสนุนเวกเตอร์ผลที่ได้นี้แสดงว่า SVM หมวดหมู่มีความสามารถที่จะแยกแยะระหว่างของแท้และงางาน้ำมันปลอมปนน้ำมันและจำกัดการค้นหาสำหรับการตรวจสอบซึ่งเป็นต่ำเป็น 5 % ในการผสมอัตราส่วน ในคำอื่น ๆ , SVM รูปแบบและแก๊สโครมาโตกราฟีให้สูตรแวว เป็นวิธีการตรวจที่ปลอมปนน้ำมันงา