基于近邻子空间划分的高光谱影像波段选择方法

在降低高光谱遥感影像数据的冗余度方面,波段选择一直是一种有效的方法.近年来,提出了许多用于高光谱波段选择的聚类算法,但大多数算法只有在选择足够多的聚类中心时才能够表现出良好的性能.在选择少量波段时,往往效果很不理想,不能满足实际使用的目的.而且,随着聚类中心数量的增加,大多数波段选择算法的精度存在不同程度的下降趋势.针对当前基于聚类的波段选择方法存在对聚类中心数的强敏感性和选择的特征波段子集高相关性的问题,提出了一种基于近邻子空间划分的波段选择方法(SEASP).该方法主要包括近邻子空间划分和特征波段选取两个步骤.考虑到高光谱波段之间的有序性,SEASP首先计算出相邻波段之间的相关系数,得到相关系数向量.若两个波段之间的相关性在某个区间内最小,即相关系数的变化率在该区间内最大,说明这两个波段在很大概率上不属于同一组,为两个相邻分组之间的分割点.因此,在相关系数向量的基础上,计算出其对应的若干个极小值,通过极小值的选取来确定最终划分的子空间.最后以信息熵为度量标准从划分的子空间中选出特征波段子集.在3个公开数据集的实验结果表明,提出的SEASP算法与其他算法相比,不仅原理简单,而且在精度...     

银/多孔金字塔硅基底的制备及其SERS性能研究

文章通过简单的湿化学方法制备了银/多孔金字塔硅(Ag/PPSi)基底。该基底结合了银纳米粒子优异的局域表面等离子体共振(localized surface plasmon resonance, LSPR)特性和多孔金字塔硅超大的多孔表面和规则金字塔阵列结构,具有优异的表面增强拉曼散射(surface enhanced Raman scattering,SERS)检测灵敏度和均匀性。实验结果表明,Ag/PPSi基底对罗丹明分子的检测限可低至10~(-10) mol/L,增强因子(enhancement factor,EF)可高达1.1×10~6,其SERS性能比普通的银/平面硅基底高一个数量级,因而有望成为一种新型的低成本、高灵敏的SERS基底。     

迁移学习在食用油光谱模型转移中的应用

由不同光谱仪器采集的光谱数据建立的模型在共享使用时,会出现模型失效问题,使得模型的利用率低,不利于光谱行业的发展需要。尝试采用迁移学习方法探究在食用油酸值和过氧化值2个指标上的模型转移。实验样本为大豆油、花生油、芝麻油和玉米油共50个食用油样本;实验仪器为VERTEX70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。以不同的仪器组合设计了3组实验,采用偏最小二乘法建立近红外光谱定量分析模型,进行了模型转移研究。以第一组实验为例,经过迁移学习后建立的酸值和过氧化值模型的相关系数,由0.068419和-0.371980上升至0.730980和0.819040;校正均方根误差系数由0.358180和0.090110下降至0.192480和0.032720。实验表明,迁移学习可以有效地缓解模型失效问题,提高了模型的泛化能力。该研究可为光谱分析模型的广泛应用提供新的思路。     

采用近红外光谱技术快速检测桃汁原汁含量的方法研究

利用近红外光谱技术结合偏最小二乘法（PLS）对桃汁样本中原汁的含量进行定量分析. 采用5种不同预处理方法优化检测数据,结果表明标准化预处理所建立的定量检测模型性能最优,其预测相关系数（R²_p）、预测均方根误差（RMSEP)、校正相关系数（R²_c）、校正均方根误差（RMSEC）分别为0.9988、0.0140、0.9973、0.0212. 研究为桃汁等果汁饮品中原汁含量的检测提供一种快速、无损、简便、廉价、准确的方法.     

激光诱导击穿光谱技术在录井岩性识别中的应用

采用激光诱导击穿光谱技术,结合主成分分析、偏最小二乘判别分析和对向传播人工神经网络非线性模型,对录井中的岩屑岩性进行识别.研究结果表明使用对向传播人工神经网络非线性模型对玄武岩、安山岩、泥岩、砂岩、灰岩的识别正确率均在70%以上,平均正确识别率达88%,实现了5种岩屑岩性的有效识别.     

水煎液成分的表面增强拉曼散射光谱检测

采用表面增强拉曼散射技术检测分析两种配伍的茵陈蒿汤水煎液成分.水煎液Ⅰ和II的SERS光谱都有17个明显的SERS峰.以PCA、 LDA及SVM算法区别两种水煎液,均取得100%的判别准确率.研究结果表明,高灵敏度的SERS技术结合PCA、 LDA及SVM可检测水煎液光谱特征,对其成分进行简便快捷的检测分析.     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

富含碳空位多孔碳电催化还原脱氯邻二氯乙烷性能研究

寻求经济、高性能的碳基材料对于电催化还原脱氯很有吸引力,然而由于掺杂剂或边缘效应与固有拓扑缺陷之间的复杂相互作用,拓扑缺陷对催化活性的贡献目前研究较少.利用两步活化法成功构建了富含碳空位的疏水分级多孔碳材料(Vc-GC),考察了其对邻二氯乙烷(DCE)的电催化还原脱氯性能,同时结合原位漫反射傅里叶红外光谱和理论计算分析了碳空位对材料催化活性的增强机制.结果表明,碳空位能有效调节材料的微观结构和电子云分布,增强材料对DCE的化学吸附作用,提高材料的吸附性能,且电子云重排提高了材料的导电性,进而促进电催化活性.其中Vc-GC的乙烯产率是低缺陷石墨碳(GC)和氧化活性炭(oAC)的1.4倍和3.6倍.同时,碳空位的存在能显著提高产物中乙烯的选择性,引入碳空位后,乙烯产率为氯乙烯产率的325.1倍,相比于oAC和GC分别提高了14倍和1.7倍.碳空位修饰显著提升了碳材料电催化活性,拓扑缺陷工程拓宽了进一步提高碳材料环境净化和能源转化性能的途径.