Resumen

El objetivo de este trabajo es desarrollar un nuevo método para superar el aumento del tiempo de entrenamiento cuando un modelo de reconocimiento se actualiza en base a la condición de nuevas características extraídas de nuevas muestras. Como un sistema complejo común, el vino tinto tiene una rica composición química y se utiliza como objeto de esta investigación. El novedoso método basado en máquina de soporte de vectores de aprendizaje incremental (I-SVM) combinado con espectroscopia ultravioleta-visible (UV-Vis) se aplicó por primera vez al análisis discriminante de las marcas de vino tinto. En este método, las nuevas características incluidas en las nuevas muestras de entrenamiento se introdujeron en el modelo de reconocimiento a través de un aprendizaje iterativo en cada iteración, y el modelo de reconocimiento se actualizó rápidamente sin aumentar significativamente el tiempo de entrenamiento. Los resultados experimentales muestran que el modelo de reconocimiento establecido por este método logra un buen equilibrio entre la eficiencia de entrenamiento y la precisión de reconocimiento.

• Materias:Fluorescencia Nanopartículas Espectroscopia infrarroja Fármaco Espectroscopia raman
• Subjects:Fluorescence Nanoparticles Infrared spectroscopy Drug Raman spectroscopy
• Palabras claves:Desarrollo; Método; Tiempo de entrenamiento; Modelo de reconocimiento; Características; Vino tinto
• Keywords:Develop; Method; Training time; Recognition model; Features; Red wine