三维荧光光谱和主成分分析法在茶叶品质鉴别中的应用研究

提出一种综合运用三维荧光光谱、等强度指纹图谱和主成分分析技术对多种茶叶样本进行品质鉴定和种类区分的新方法。三维荧光谱可提供比常规荧光谱更加完整的特征信息，以荧光谱的多峰为变量，以其荧光强度值为样本观测值，利用主成分分析法实现了异常茶样本的检测，并利用贡献图确定影响茶性能的关键因素。通过对15种茶叶样品进行的实验，验证了该方法的可行性。     

基于三维荧光光谱和主成分分析的溢油风化研究

通过开展风化模拟实验,探讨了油品三维荧光光谱特征的风化变化规律.将油样三维荧光光谱转化为矢量,计算特征峰强度比值,并对矢量数据进行主成分分析.分析了不同风化时间光谱数据、特征峰强度比值和主成分分析因子得分的变化.结果表明,风化过程不会改变油样三维荧光光谱的分布特征,但能改变荧光特征峰的相对强度,变化趋势与特征峰的位置有关.特征峰强度比值和第一主成分因子得分的变化分为水面、水下2个阶段,可能与风化机理不同有关.溢油源鉴定中,可以综合使用荧光特征峰比值、第一主成分因子得分2个参数,作为油样风化程度的判定依据.     

结肠组织荧光光谱神经网络特征提取及分类研究

提出了一种新的荧光光谱特征提取与模式分类方法以提高激光诱导5-ALA-PpⅨ荧光光谱对早期结肠癌的诊断准确率：利用自适应神经网络提取荧光光谱主成分，对提取的主成分采用基于R—prop算法的BP神经网络进行模式分类．对20只DMH诱导的SD大鼠，12只诱导鼠的第二代鼠，8只正常SD大鼠，按25mg／kg体重剂量尾静脉注射5-ALA溶液，150min后利用波长为370nm的钛宝石激光进行活体检测．对预处理后的504条荧光光谱，利用自适应神经网络提取前6个主成分，BP神经网络将其分为正常组与非正常组（非典型增生、早癌和进展期癌），分类敏感性与特异性分别为96．57％和95．08％，非典型增生、早癌及进展期癌对正常组织的识别准确率分别为92．75％，98．85％及96．36％．表明此方法对早期结肠癌具有较高的诊断率．     

卡拉胶的荧光光谱特性及其质量浓度预测

针对卡拉胶在食品加工中作为增稠剂、乳化剂和稳定剂使用,而大量摄入会对身体造成严重损害,文中对卡拉胶的三维荧光光谱进行了系统研究。结果表明,其在390nm处存在一个激发峰,分别在485nm、620nm、660nm处存在荧光峰,其中660nm峰较强、485nm峰较宽且红移,提出瑞利散射和水的拉曼散射的影响导致485nm谱峰的红移。进而发现卡拉胶溶液荧光光谱强度随质量浓度的增加而增强,并通过主成分分析．BP神经网络训练,实现了对卡拉胶质量浓度的预测,准确率达到90％以上。当质量浓度高于120μg／mL时,准确率达到98％以上,表明该技术可快速测定溶液中卡拉胶的含量。     

基于可拓层次分析法的校园网络安全评估指标体系研究

文章从校园网络安全因素入手,构建了包括目标层、准则层和指标层3个层次的校园网络安全评估指标体系;利用可拓层次分析法对校园网络安全评估指标体系权重计算进行了研究,解决了在构建模型中对指标的模糊主观判断不准确和判断矩阵不具有一致性的问题;根据校园网络拓扑结构和节点度,对3类典型用户样本群进行了网络安全风险评估分析。     

基于核主成分分析的三维模型分类算法

针对三维模型的分类问题,提出了一种基于核主成分分析(Kernel-Principal Components Analysis,K-PCA)的三维模型分类算法。该算法首先选择形状直径函数(Shape Diameter Function,SDF)作为特征描述符来提取三维模型的特征向量;然后使用核函数将原始特征向量映射到高维空间中并在该空间上进行PCA得到新的特征向量;最后使用KNN算法并计算未知模型与已知类别的k个模型之间的l2范数以实现模型的分类,确定未知模型的类别。实验结果表明,该算法能够很好的识别三维模型的几何特征,能准确的区分不同类别的三维模型,具有较高的分类准确率。     

GC-MS和荧光光谱用于苦瓜挥发油成分的研究

用水蒸气蒸馏法提取苦瓜挥发油,蒸馏物用乙醚萃取并用气相色谱-质谱联用法(GC-MS)和三维荧光光谱法进行分析.GC-MS鉴定出25种活性成分,三维荧光光谱确证了苦瓜挥发油的荧光指纹性.提供了一种研究天然产物中挥发油成分的新方法,对于天然产物中挥发油的提取和分析具有一定的指导意义.     

酪氨酸高压在线三维荧光光谱研究

在Cu2+与酪氨酸摩尔浓度比为0至40范围内,用F-2500荧光仪分别对0.1 MPa和60 MPa条件下酪氨酸三维荧光进行了测量,并提取了三维荧光光谱数据中的平均值、标准差和重心等特征参数进行分析.实验结果表明,平均值与标准差随着压力的增加而增加,当压力由0.1 MPa增加到60 MPa时,平均值增加了8.8%.Cu2+对酪氨酸具有猝灭作用,但压力的增加使得Cu2+对酪氨酸荧光的猝灭作用减弱,当Cu2+与酪氨酸的浓度比由0增加到40,压力为0.1 MPa时,平均值和标准差均降低72.0%;但当压力增加到60 MPa时,平均值和标准差均降低64.4%.这种现象表明,压力的增加可以弱化Cu2+对酪氨酸的猝灭,这种作用随压力的增加而增大     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具.利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型.计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果.     

基于主成分分析的BP神经网络对房价的预测研究

为了提高房价预测精度,采用基于主成分分析的BP神经网络预测模型.首先运用主成分分析对影响房价指标重新组合生成新的综合指标,然后采用非线性预测能力非常强的BP神经网络对其进行建模,并对房价进行预测.仿真结果表明,基于主成分分析的BP神经网络的房价仿真值与历史值的系统总误差只有0.52%,可作为房价预测的一种行之有效的方法.     

基于主成分分析和ART2网络的车辆波形分类

利用环形线圈车辆检测器,对不同车辆经过环形线圈时产生电磁感应数据进行采集,再对这些维数较大的车辆感应数据,运用主成分分析法对其降维处理,以减少ART2神经网络输入维数,便于对这些数据进一步分类. 通过实验研究可知,这种主成分分析与ART2神经网络相结合的分类方法,使数据通过降维处理,并减少网络的输入维数,不仅大大简化了网络结构,还明显提高了分类的准确性、快速性,加快了网络的学习速率,而且从分类效果上看,也具有很好的正确率.     

基于主成分分析和Softmax回归模型的人脸识别方法

文章介绍一种基于主成分分析(principal component analysis,PCA)和Softmax回归模型相结合的人脸识别方法,该方法通过PCA对整幅图像提取特征,然后将提取的特征经过非线性变换输入到Softmax回归模型中。将主成分提取特征看成是单层神经网络,将它与Softmax回归模型构成的级联结构看作是2层神经网络,在神经网络的训练过程中,主成分的特征向量可以微调。在不同人脸数据库上的实验表明,相比于传统的只用PCA降维的方法,本文方法可达到较高的识别率。     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

基于Matlab的多尺度主元分析在过程监控中应用

提出一种新的基于Matlab的多尺度主元分析方法(MSPCA)，即综合主元分析去除变量间关联、小波分析提取测量决定性特征和可去除测量自相关性的优势，用于多变量统计过程的监控，用MSPCA进行过程监控，不仅能提高侦察决定性交化的能力，而且能提高自相关测量监控的效率，同时还可以提取反常操作特征信号，算例测试表明，与普通PCA方法相比，MSPCA方法在过程监控中比较有效。     

基于主元分析的故障可检测性的统计指标比较

基于主元分析的传感器故障检测方法中,SPE和H aw k in T2H是两个重要指标,针对目前应用中SPE指标有不足,而H aw k ins T2H指标一直没有得到重视的问题,该文通过分析对比SPE和T2H指标的控制限和基于主元分析的传感器故障可检测性的充分条件,得出了SPE和T2H指标的可检测故障幅值计算公式。定性分析了SPE和T2H指标对不同传感器故障具有不同的检测能力,并通过数值仿真进行了验证。指出由于T2H和SPE指标各有优劣,因此在实际传感器故障检测中应该联合使用。     

主成份和最小成份抽取的新算法

给出了用于主成份分析和最小成份分析的神经网络学习算法，两者之间仅差一个符导，即刻生成份分析算法经改变符号后又是一个最小成份分析算法，两算法不仅能计算主成份空间和最小成份空间，而且学习所得的子空间以及主向量／最小向量的左奇异向量，数值模拟证实了算法是有效的。     

基于核主成分分析的虹膜识别方法

阐述虹膜作为生物测定学特征用于身份识别具有得天独厚的优势,虹膜识别在场所或资源的安全控制等方面具有重要的应用价值.提出一种新的虹膜识别方法,该方法利用核主成分分析(KPCA)提取虹膜的纹理特征,通过竞争学习寻找其中最优的KPCA特征,形成虹膜编码,最后通过计算编码之间的方差倒数加权欧氏距离对虹膜进行识别.实验结果表明,该方法计算速度快,提取特征的效果好,对环境的适应性强,可用于实际的身份鉴别系统.     

地区电信业务发展水平的主成分及聚类分析

运用数理统计的方法对重庆市1997-2003年的电信业务发展情况进行综合评价,建立了评价指标体系,用主成份分析法对原始数据进行数学处理,得出表示电信业务发展水平的综合指标,再用聚类分析方法进行指标聚类分析,找出了影响重庆市电信业务量的主要因素,并对如何提高重庆市电信业务提出一点建议.