Resumen

La adulteración de los aceites de oliva puede detectarse con pruebas químicas. Esto es muy caro y lleva mucho tiempo. Por lo tanto, este estudio se centra en reducir tanto el tiempo como el coste. Para ello, se han recogido los datos brutos de los aceites de oliva mediante el uso de una e-nose de diferentes regiones de Balikesir en Turquía. Este estudio presenta dos métodos para analizar el control de calidad de los aceites de oliva. En el primer método, se aplican 32 entradas a los clasificadores directamente. En el segundo, los datos recogidos de 32 entradas se reducen a 8 entradas mediante Análisis de Componentes Principales. Estos datos reducidos a 8 entradas se aplican a los clasificadores. Se utilizaron diferentes clasificadores de aprendizaje automático, como Naive Bayesian, K-Nearest Neighbors (k-NN), Linear Discriminate Analysis (LDA), Decision Tree, Artificial Neural Networks (ANN) y Support Vector Machine (SVM). A continuación, se compararon los resultados de estos clasificadores en función de su precisión.

• Materias:Microbiología de alimentos Calidad de los alimentos Análisis de los Alimentos Química de los alimentos Manipulación de alimentos
• Subjects:Food microbiology Food quality Food Analysis Food chemistry Food handling
• Palabras claves:aceites de oliva, clasificadores, entradas, redes neuronales artificiales, análisis lineal discriminante, análisis de componentes principales, máquina de vectores soporte, datos, estudio, árbol de decisión
• Keywords:olive oils, classifiers, inputs, artificial neural networks, linear discriminate analysis, principal component analysis, support vector machine, data, study, decision tree