
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于理化参数与混合集成机器学习的多花蜂蜜与单一花种蜂蜜二分类研究
《Scientific Reports》:Binary classification of multifloral honeys using hybrid ensemble optimization via genetic algorithm based on physicochemical parameters
【字体: 大 中 小 】 时间:2026年09月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要可靠地筛选和区分多花蜂蜜与单一花种蜂蜜,对于支持蜂蜜质量评估、消费者信心和市场透明度具有重要意义。本研究探讨了将理化参数与机器学习技术相结合,用于多花蜂蜜与单一花种蜂蜜二分类的潜力。研究分析了一个包含电导率、水分含量、碳水化合物组成、色度以及同位素参数等多种理化特性的综合
可靠地筛选和区分多花蜂蜜与单一花种蜂蜜,对于支持蜂蜜质量评估、消费者信心和市场透明度具有重要意义。本研究探讨了将理化参数与机器学习技术相结合,用于多花蜂蜜与单一花种蜂蜜二分类的潜力。研究分析了一个包含电导率、水分含量、碳水化合物组成、色度以及同位素参数等多种理化特性的综合数据集。为了识别最具信息量的变量,本研究采用了最小冗余最大相关性(MRMR)特征选择方法。结果表明,电导率、主要糖类相关变量(F + G 和葡萄糖)、稳定碳同位素参数(δ13C蛋白和Δδ13C)以及特定折叠特征中的次级糖是二分类中最具信息量的参数。研究评估了多种机器学习算法(包括随机森林、神经网络模型和深度学习等方法)的分类性能。此外,提出了一种基于遗传算法的混合集成优化框架(HEO-GA),以结合异构分类器并提高预测精度。利用准确率、F1分数、灵敏度和特异度等标准指标,评估了所提方法在多花蜂蜜与单一花种蜂蜜二分类中的性能。实验结果表明,所提混合模型实现了高度均衡的分类性能,与随机森林相当,并优于其他基线模型。这些结果表明,将理化分析与机器学习相结合,为多花蜂蜜与单一花种蜂蜜的筛选和二分类提供了一种潜在有效且可扩展的框架。此外,利用SHAP值及其对应的分布图,对选定特征对多花蜂蜜与单一花种蜂蜜二分类的贡献进行了解读。所提出的框架专门用于区分多花蜂蜜与单一花种蜂蜜。研究结果强调了数据驱动分析方法作为质量控制和多花蜂蜜与单一花种蜂蜜二分类补充工具的潜力。