.png){kind=icon}
返回
Modeling power-based variable selection for rigorous one-class classification with SIMCA
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aca.2025.344575.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 介绍了一种基于建模能力（MP）的SIMCA变量选择算法。
• 结合了三个标准：紧凑性相关性、非生长速率、MP阈值。
• 使用仅目标类数据构建可解释且紧凑的单类模型。
• 分类性能得到保持或提升。
• 选出的变量具有化学意义和类别代表性。
Keyword:
One-class classification
SIMCA
Variable selection
Modeling power
Chemometrics
Food authentication
Spectroscopy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6
论文数:
3.3W
被引数:
6.1W
机构
引用论文
Using UV-Vis spectroscopy for simultaneous geographical and varietal classification of tea infusions simulating a home-made tea cup.png)
FOOD CHEMISTRY
FOOD CHEMISTRYIF9.8
PREAI
分享收藏Simultaneous Determination of Four Catechins in Black Tea via NIR Spectroscopy and Feature Wavelength Selection: A Novel ApproachSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Quality control and storage studies of virgin olive oil: Exploiting UV spectrophotometry potential
PREAI
分享收藏
查看更多内容