基于傅里叶近红外特征光谱的血流感染致病菌鉴别研究

利用傅里叶变换近红外光谱(FT-NIR)收集1 000~1 852 nm范围内3种常见病原菌大肠杆菌(ATCC25922)、金黄色葡萄球菌(ATCC 29213)、铜绿假单胞菌(ATCC 27853)的近红外透射光谱,采用竞争性自适应重加权算法(CARS)对波长变量进行筛选,并分别结合偏最小二乘判别分析(PLS-DA)、最小二乘-支持向量机(LS-SVM)建立鉴别模型.比较两种鉴别模型在进行波长变量优选前后的性能发现,采用全波段建模的PLS-DA与LS-SVM两种模型的预测性能较低;利用CARS对波长变量进行筛选后,对优选的24个特征波长分别建立两种鉴别模型,模型预测性能明显提高,其中以LS-SVM模型最优,3种病原菌准确率分别为85.0%,100%和100%.研究结果表明,利用CARS能够有效去除光谱无用信息,减少模型复杂度,增强模型预测性能,结合LS-SVM可为临床利用近红外快速检测血流感染病原菌提供一种新的方法.     

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935～1 720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9、20和33个特征波长,最后基于全波长和特征波长建立偏最小二乘判别分析(PLS-DA)、概率神经网络(PNN)和广义回归神经网络(GRNN)分类判别模型.结果表明,基于CARS提取的特征波长建立的PLS-DA、PNN和GRNN模式识别模型优于基于X-LW、SPA提取特征波长建立的识别模型.而且,基于全波长和CARS提取的特征波长建立的PLS-DA、PNN和GRNN判别模型均能很好地区分大花红景天和狭叶红景天,对训练集和测试集样本分类的正确率全部达到100%.因此,高光谱成像技术结合PLSDA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础.     

基于改进遗传算法的区间光谱特征波长变量选择方法

为提高土壤养分近红外光谱预测模型的鲁棒性和预测精度,提出一种基于改进遗传算法的近红外区间光谱特征波长变量选择方法.利用土壤速效磷近红外光谱全光谱波长变量纯度梯度的正负变化次数将全光谱划分为多个波长间隔,以偏最小二乘回归模型(PLS-R)输出的变量投影重要性系数(V_(VIP))大于1作为提取准则,提取对土壤养分预测目标量解释性较强的波长间隔,并合并成一个区间光谱.建立区间光谱特征波长变量(FWV)PLS-R模型,利用改进遗传算法选择PLS-R的均方根误差为最小对应的FWV为最优FWV.试验结果表明:该方法在区间光谱选择最优FWV,能提高回归模型的鲁棒性和预测精度,简化模型结构;改进遗传算法采用一种改进的实数编码差分变异算子,扩大了全局最优解搜索空间,提高了收敛速度.     

激光诱导击穿光谱结合化学计量学的淫羊藿产地快速鉴别

淫羊藿具有增加心脑血管血流量,促进造血和增强免疫功能等功效.淫羊藿的药效受产地的影响,为确保其质量,需对淫羊藿产地进行快速鉴别.为此,采用激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)结合化学计量学方法对淫羊藿产地实现快速准确鉴别.通过获取6个产地淫羊藿样品的LIBS光谱数据,对比研究两种光谱数据降维方法,基于主成分分析(Principal component analysis,PCA)的特征提取和基于原子光谱数据库的特征谱线选择,并结合线性判别分析、k近邻、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)4种机器学习算法,实现不同产地淫羊藿样品的鉴别,最终建立产地溯源算法模型.在PCA可视化中,相同产地淫羊藿样品的光谱数据具有明显的聚类效果.开发的模型均能够实现淫羊藿产地的准确鉴别,其中PCA-SVM模型的分类效果最好,测试集分类准确率为99.17%.此外,采用RF模型计算所选元素谱线的重要性,结果表明Si元素(SiⅠ251.61 nm)是区分不同产地淫羊藿的最重要...     

可见/近红外联合变量优选检测油茶籽油掺假

利用可见/近红外光谱技术联合CARS(competitive adaptive reweighted sampling)方法对油茶籽油中掺杂大豆油及菜籽油进行检测.采用CARS方法对波长变量进行筛选,应用偏最小二乘回归(PLS)方法分别建立油茶籽油中大豆油掺伪量、菜籽油掺伪量及大豆油与菜籽油混掺伪量的定量检测模型,并与经连续投影算法(SPA)及无信息变量消除(UVE)方法变量筛选后所建立的PLS模型进行比较.研究结果表明:可见/近红外联合CARS方法可以分别检测油茶籽油中大豆油、菜籽油掺伪量及大豆油与菜籽油混掺伪量.大豆油、菜籽油及大豆油与菜籽油总和的CARS-PLS掺伪量模型的预测集相关系数r和预测均方根误差RMSEP分别为0.950,0.928,0.980和24.5,29.0,30.8g·kg-1;CARS-PLS模型性能优于全波段PLS,SPA-PLS及UVE-PLS,表明CARS方法是一种有效的波长变量选择方法,可以剔除冗余波长变量.     

基于近红外特征变量筛选对火麻油掺杂的快速检测

利用近红外光谱技术对掺杂了大豆油、花生油、葵花籽油和玉米油的火麻油进行鉴定,结合偏最小二乘法(PLS)和最小二乘支持向量机(LS-SVM)模型建立定量分析,并利用连续投影算法(SPA)和竞争自适应重加权采样算法(CARS)提取特征变量.结果表明:LS-SVM回归模型的准确度优于PLS模型,其预测相关系数R_p~2分别达到0.950 4、0.905 8、0.857 4和0.767 3;SPA和CARS是两种有效的特征变量选择算法,能够提高模型的准确性,并且CARS效果优于SPA;其中,LS-SVM-CARS模型的R_p~2分别达到0.982 1、0.907 5、0.958 7和0.924 9.因此,在油脂掺杂快速检测中,LS-SVM-CARS是一个准确度高、变量数少、传递性较强的定量分析模型.     

茶叶品种鉴别的近红外光谱指纹图谱模式识别方法

运用傅立叶变换近红外光谱结合主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis)方法对七种不同品种的茶叶进行品种鉴别。采集七种样品的傅立叶变换近红外光谱指纹图谱,原始光谱经过多元散射校正(MSC)预处理后,运用主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis,PCA-MD)对茶叶的品种进行判别。所得PCA-MD模型对七种茶叶的分类正确率均为100%,说明模型具有较好的预测分类能力。结论:运用简便、快速、无损的近红外光谱分析结合主成分-马氏距离判别分析方法,为茶叶品种鉴别分类提供了一种快速简便、准确度高、精密度好、分析成本低、实用性强的鉴别方法和手段。     

基于中红外光谱模型对食用植物油掺伪的判别

开展了基于中红外光谱的化学计量学模型对食用植物油掺伪的研究.通过获得市售食用油和以不同质量浓度掺伪食用油的中红外光谱,采用光谱预处理结合模式识别方法进行综合解析,使样本类间距最大化,类内距最小化,结果发现:无监督聚类包括主成分分析、非负矩阵分解均无法准确鉴别;有监督偏最小二乘判别分析的鉴别准确度较高;而二阶导数-非相关线性判别分析(SD-ULDA)对掺伪样本识别的灵敏度和特异度均达到100%.提出依据变量“负荷量”筛选特征波长(变量)新策略,考察了SD-ULDA模型识别准确率随保留波长的变化,同时准确地预测出掺伪比例,为构建高效中红外光谱食用油掺伪判别模型提供理论基础,为提高油脂品质的检测技术提供方法借鉴.     

基于多维度光谱特征波长提取大豆冠层SPAD值估算模型

应用多种光谱特征波长段提取技术,研究了全生育期大豆冠层的近红外光谱曲线特性,提出了基于多维度光谱特征波长提取的大豆冠层叶绿素相对含量(SPAD值)估算模型.在大豆冠层原始近红外光谱曲线中,优选多元散射校正预处理和偏最小二乘回归法建模.经多元散射校正预处理后,应用竞争性自适应重加权采样算法(CARS)、主成分分析法(PCA)和连续投影算法(SPA),提取大豆冠层的光谱特征波长数量分别为22,51和12个.以此特征波长为基础,利用偏最小二乘回归法和多元线性回归法(MLR),分别建立大豆冠层SPAD值估算模型.结果表明CARS-MLR模型试验效果较好,该模型校正样本和预测样本SPAD值的均方根误差分别为5.67和5.94,平均值约为5.81.     

基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别

基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明：MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.960 4和0.933 3,K值为0.918 6;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持.     

基于HS-SPME/GC-MS与模式识别技术判别红茶产地

本文建立一种基于顶空固相微萃取气质联用法(HS-SPME/GC-MS)分析红茶中挥发性组分,并结合模式识别方法实现了红茶的产地鉴别.采用HS-SPME法在100℃提取60 min,热解吸法直接进样气质联用仪(GC-MS)分析.根据挥发性组分的总离子流图,采用聚类分析、主成分分析和线性判别分析等模式识别技术实现了对不同产地红茶的判别.     

基于两种模式识别技术的盐酸左氧氟沙星注射液近红外光谱定量分析

测定同一厂家生产的53个不同批次盐酸左氧氟沙星注射液的近红外光谱. 先利用小波变换技术对光谱变量进行去噪, 并对其有效的压缩, 以提高建模效率, 再分别利用神经网络及支持向量机技术建立盐酸左氧氟沙星注射液样品的定量分析模型, 并讨论了建模过程中相关参数的优化选择. 仿真实验表明, 建立的SVM定量分析模型的相关性要优于BP网, 同时SVM定量分析模型的RMSECV及RME两个指标值也显示其预测效果良好, 泛化能力强.     

应用胶束电动色谱和模式识别技术溯源茶叶产地的研究

采用胶束电动色谱法(MEKC)建立了2类共11个中国红茶样品的色谱指纹图谱,结合模式识别技术对不同产地来源的红茶加以区分.红茶样品的处理方法:去离子水(100℃)浸取10 min.MEKC色谱条件:缓冲溶液25 mMNa2HPO4-KH2PO4-100mM SDS-0.6%甲醇(V/V)-1 mM EDTA(pH7.0...     

对紫藤和凌霄花的输水结构与水流速度的初步研究

用热脉冲技术，测定了南开大学校园内2种藤本植物紫藤（Wistaria sinensis Sweet)和凌霄花（Campsis grandiflora Lise)茎干的液流速度，并对两种植物的输水结构进行了解剖学研究，结果表明，两种植物一天中的液流速度均较高，且最大值位于靠近形成层的区域，两种植物输水结构也表现出了相似的特征，液流速度与其解剖结构密切相关。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

Discrimination and feature selection of geographic origins of traditional Chinese medicine herbs with NIR spectroscopy

With the traditional Chinese medicine herbs angelicae dahuricae radix (ADR or Baizhi) and salviae miltiorrhizae radix (SMR or Danshen) as two examples, this work studies the automatic discrimination of the geographic origins of the herbs using near infrared (NIR) reflectance spectroscopy. Multi-class support vector machine (SVM) is utilized for the purpose, and recursive SVM is utilized to select the feature spectral segments that are decisive for the discrimination. With only 5 and 8 short spectral segments, discriminative accuracies of 92% are achieved on independent test sample sets. This work not only provides a prototype of accurate rapid discriminating systems for quality control of herbal medicines, but also opens new possibilities in studying subtle differences in the chemical compositions of herbs from different cultivation conditions and investigating their associations with the effectiveness of the herbs.     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

基于非期望SBM-SVM改进模型的投资有效性预测——以重庆市工业行业为例

对工业行业进行有效投资在一定程度上对经济发展有重要影响,作为能源消耗和环境污染的主要源头,为落实绿色发展理念,推动节能减排工作,提出对绿色工业投资的有效性研究。基于非期望SBM-SVM模型并对其改进,选取重庆市2011—2020年工业企业相关指标作为样本数据,将通过非期望SBM模型得到的评价效率分为有效和无效两类作为结果变量,投入和产出指标作为特征变量,构建SVM模型,对工业投资有效性进行分类预测研究,通过“试错法”、PSO、GA智能优化算法对SVM模型的惩罚因子C和核函数参数g进行寻优。结果显示：PSO方法的寻优效果最佳,准确率从71.88%提高到了88.66%;构建的新非期望SBM-SVM模型在对其改进优化后,进行工业投资有效性分类,具有一定的可行性和适用性。     

基于线性判别式和支撑向量机的肾结石分类方法

用支撑向量机(SVM)方法辅助诊断肾结石,并和线性判别式方法作比较,结果显示这两种方法都表现出了很好的预测能力.鉴于SVM是用于解决非线性的良好方法.因此,SVM作为一种有效的机器学习方法是可以用来进行肾结石的辅助诊断和分类研究的.肾结石的成因比较复杂,与自然环境、社会生活条件、全身性代谢紊乱及泌尿系统本身的疾患有关,本文从钙离子生物学特性方面讨论了钙盐结石的成因.