不同厂家冬凌草片的近红外光谱主成分聚类分析

利用近红外光谱对不同厂家的冬凌草片进行鉴别归属,并进行快速分类.采集不同厂家不同批次冬凌草片样品的近红外漫反射光谱,通过不同计量学方法进行处理.结合主成分聚类分析法对不同厂家冬凌草片进行聚类判别分析,分类识别正确率达100％,从而推断出不同厂家冬凌草片成分及生产工艺上的差别.结果表明,该方法准确、快速、简便,可用于不同厂家冬凌草片的分类鉴别和质量控制.     

连续小波变换HATR—FTIR分析应用于中药枸杞子与同属非正品鉴别的研究

采用水平衰减全反射傅立叶变换红外光谱（HATR—FTIR）法直接测定了枸杞子与同属非正品的HA—TR-FTIR谱图,应用主成分分析法确定出所有区域的信息负荷量,在1750-750cm^-1采用Morlet小波函数对枸杞子及其非正品的HATR-FTIR谱图进行了一维连续小波变换。结果发现,傅立叶变换红外光谱与连续小波变换分析相结合在中药材枸杞子与非正品的鉴别中具有应用价值,方法简便、快速、准确,而且不需制备样品。     

基于NIR的模式识别技术在地理标志产品响水大米鉴别中的应用

分别利用多元线性回归判别分析和BP人工神经网络分析建立了近红外光谱(NIR)快速鉴别地理标志产品响水大米的新方法.大米的近红外光谱数据经过一阶导数和平滑处理后,利用主成分分析对数据进行了降维处理,并确定了相关性最大的特征波段(7 700~6 700cm-1与5 700~4 300cm-1).利用特征波段的主成分数据建立了多元线性回归判别分析和BP人工神经网络鉴别模型.2种模型对于地理标志产品响水大米的鉴别正确率均为100%,适用于地理标志产品的快速无损鉴别.     

近红外光谱分析技术在烟草化学分析上的应用研究

应用傅立叶变换近红外漫反射光义,对具有代表性的300个烟草样品建立了近红外光谱与总糖、还原糖、尼古丁、总氮4种主要成分含量间的关系模型,经分析样品检验模型,结果表明,各成分近红外预测值与实测值之间的平均相对误差均小于5％,近红外光谱分析技术可初步用于烟草常规化学成分的快速定量分析。     

近红外光谱技术结合主成分聚类鉴别海面溢油

鉴于目前没有一种方法能独立解决溢油鉴别的所有问题[1],本文提出近红外光谱技术结合主成分聚类分析鉴别溢油种类的方法.通过有机溶剂萃取出自行配制的汽油、柴油和润滑油模拟样品中的溢油后记录其近红外光谱,对5 800～6 200 cm-1区段范围内的近红外谱图经过多元散射校正(MSC),Norris一阶导数平滑预处理处理后求其主成分,并在主成分的基础上引入Ward聚类分析法(离差平方和法)对样品分类.     

基于熵理论的加权马氏距离及其应用

分析了加权马氏距离判别分析中的权值问题,提出了用熵理论来确定加权马氏距离中权值的方法。实证分析显示基于熵理论的加权马氏距离要优于基于主成分的加权马氏距离。     

基于近红外光谱技术的苹果霉心病检测方法

为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4000~12500cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明：在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97.14%,Fisher判别模型的正确率为88.57%,马氏距离判别模型明显优于Fisher判别模型。     

基于组合降维及旋转SVM的高光谱图像分类

高光谱图像的超多波段可以描述丰富的地物信息,但是也带来了维数灾难的问题。文章提出了主成分分析(principal component analysis,PCA)与线性判别式分析(linear discriminant analysis,LDA)组合降维方法,使类内距离最小化、类间距离最大化,有效地消除数据冗余并保留主要信息量,保证了降维后的数据具有最佳区分度;旋转森林是一种先进高效的集成学习算法,将基分类器由决策树改进为支持向量机(support vector machine,SVM),并将组合降维后的数据应用于旋转SVM分类器,分类精度有了显著的提高。实验对比分析表明,该方法具有较好的分类效果。     

用多变量统计分类技术控制扑热息痛质量

研究了用近红外反射一阶导数光谱法控制扑热息痛粉末药品质量的可能性．用多变量统计分类技术（逐步聚类分析、主成分分析和逐步判别分析）于扑热息痛粉末的一阶导数光谱，成功地鉴别了合格药、劣药划假药．     

基于费舍尔判别分析的中药材鉴别

中药材具有相当高的声誉，而这一混合物体系极具复杂性，对其进行鉴别意义深远.红外光谱因专属性强重现性好，广泛用于中药材鉴别.利用中红外光谱进行同种中药材产地鉴别，首先进行平滑滤波和导数光谱预处理，再基于费舍尔判别分析进行鉴别.同时利用近、中红外光谱对同种中药材进行产地鉴别，首先对原始近红外、中红外、近中红外组合数据预处理，再基于费舍尔判别分析进行鉴别.利用近红外光谱对不同类别产地药材进行鉴别，方法一将类别和产地双标签映射为单标签，用费舍尔判别分析鉴别单标签，再逆推原类别产地，方法二分别基于类别和产地进行费舍尔判别分析.仿真和实际实验说明费舍尔判别分析有效.     

近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

枸杞产地的小波变换红外光谱的聚类分析鉴别

采用傅里叶变换红外光谱(FTIR)对不同枸杞样品产地进行鉴别.常规预处理方法和小波变换对红外光谱原始数据进行了预处理.对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,说明小波变换是一种有效实用的光谱预处理方法.对已预处理后的红外光谱数据进行主成分分析和聚类分析,结果 18份枸杞样品聚为主产地和非主产地两大类,取得了较满意的分类效果.这种红外光谱技术结合聚类分析法被证明是可靠的,可作为枸杞产域鉴别的一种现代化方法.     

化学计量学方法在近红外光谱分析中的应用--近红外光谱法测定汽油辛烷值

介绍了化学计量学在近红外分析技术中的应用方法。并以近红外光谱法测定汽油辛烷值为例 ,详细介绍了常用化学计量学方法 (主成分回归 ,偏最小二乘法和马氏距离分析 )的比较与在应用中的选择。     

近红外光谱技术快速测定三七提取过程中3种成分含量

为了建立1种采用近红外光谱技术快速测定三七提取过程指标成分含量的方法.运用偏最小二乘法结合多种光谱预处理方法及波长选择方法建立近红外光谱与三七指标性成分(三七皂苷R1、人参皂苷Rg1、人参皂苷Rb1)含量之间的校正模型,通过交互检验标准偏差、校正标准偏差、决定系数和主因子数优选校正模型,并对未知样本进行预测分析.结果显示,1提液和2提液中三七皂苷R1、人参皂苷Rg1、人参皂苷Rb1的校正模型相关系数分别为99.66%、99.66%、99.54%和98.49%、97.74%、97.71%,验证集的预测值与真实值含量接近.该方法操作简便、快速无损、准确可靠,可用于三七提取过程指标成分含量的快速检测.     

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...     

近红外光谱法测定汽油中的芳烃含量

研究了采用近红外光谱测定汽油中芳烃含量的方法，通过汽油单体分析法获得汽油中芳烃的基础数据。在1000—2000nm波长范围内，应用傅立叶变换近红外光谱仪，交互检验偏最小二乘法对使用的近红外光谱数据进行优化，所得校正模型对训练集样品预测的相对平均误差为0．42％，相关系数为0．9696。对未知样品将近红外预测结果与GC的测定结果进行比较，相对平均误差为0．45％。作为一种快速分析技术，近红外光谱测定汽油中芳烃含量是简便可靠的方法。     

采用近红外光谱技术的燕麦脂肪含量检测

以93份燕麦样品为研究对象,对其近红外光谱数据进行预处理后通过主成分分析法提取光谱特征,采用人工神经网络技术建立燕麦中脂肪含量的合理检测模型。结果表明:反向多元散射处理(IMSC)、数学处理选择2441(即对光谱进行导数间隔点为4的二阶导数处理,一次平滑处理间隔点为4,不进行二次平滑处理)为最佳预处理方法;通过主成分分析法提取2个主成分作为原始信息的特征变量,建立的人工网络模型结构为2-17-1,该模型对验证集的测定值与预测值的相关系数为0.962 3,均方根误差为1.607 2,模型的预测准确性较好。该方法简便、快速,为燕麦脂肪的定量测定提供了一种新方法。     

基于太赫兹光谱和支持向量机快速检测棉花种子

鉴于目前对农产品品种的检测大多是基于可见光/近红外光谱的,提出了一种基于太赫兹光谱和支持向量机快速检测棉花种子的方法.为实现棉花种子的分类识别,在频率0.2~1.2 THz范围内采集2种最新转基因及2种非转基因棉花种子,总计40个样本的太赫兹光谱,用遗传算法优化的支持向量机建立识别模型,对不同品种的棉花种子进行识别.实验结果表明,该方法对不同品种的棉花种子综合识别率达到93.75%,由此,太赫兹光谱结合支持向量机的检测方法可为不同品种的生物辨别提供一种精确、快速、简便的检测方法.     

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.     

基于主成分变换的多光谱遥感数据的有监督可视化方法

【目的】遥感数据可视化是决定遥感数据解译质量高低的一个关键环节,目视解译是目前生产实践中遥感技术应用的一个重要方式。探讨一种基于学习样本生成可视化特征,使得可视化与目视解译应用能够有机结合,进而实现有监督可视化。【方法】采用主成分变换回归重构方法重构了针对森林资源的植被监测模型,得到3个新特征,依次赋予红绿蓝3种颜色以生成假彩色图像来实现信息可视化。【结果】基于学习样本的主成分变换回归重构方法与主成分变换法、原始近红外-短波红外-红波段组合相比,重构后的假彩色图像在一定程度上得到了改善,有利于目视解译。主成分变换回归重构后的分类精度比未重构的分类精度提高了6.20%,比原始波段组合的分类精度提高了7.82%。重构前后的一元和多元离差平方和(离差阵)构成变化分析说明,重构后类内差异缩小、类间差异增大。【结论】定量验证认为,主成分变换回归重构的可分性比未重构的主成分变换和原始波段组合的可分性都要好。