单个红细胞的拉曼光谱研究

研究了不同物种的血红细胞的拉曼光谱,采用一个波长为785nm的半导体激光束来囚禁血红细胞和激发血红细胞的拉曼光谱。结果显示不同物种血红细胞的拉曼光谱在1603cm^-1苯丙氨酸和色氨酸的C=C平行振动模及1616cm^-1酪氨酸和色氨酸的C=C拉伸模有明显的差异,这可以用来作为不同种血红细胞鉴定的特征标记。表明激光镊子拉曼光谱技术可以成为血红细胞分析的有效手段。     

酿酒酵母孢子萌发的激光镊子拉曼光谱研究

【目的】在生理状态下利用激光镊子拉曼光谱系统对单个酿酒酵母孢子萌发过程进行实时监测,探讨掩盖在群体平均信息下的个体生命信息。【方法】将葡萄糖溶液加入酿酒酵母孢子悬液中诱导孢子萌发,在孢子萌发过程中每隔30min取样并利用激光镊子拉曼光谱系统测定单个酵母孢子的拉曼光谱。【结果】单细胞实时平均拉曼光谱可显示孢子萌发过程中细胞内生物分子的变化:萌发期内分别归属于DNA、蛋白质的722cm-1,1006cm-1峰的峰高基本不变,随后在生长期上升明显,说明生长期胞内开始大量复制DNA,并合成蛋白质;归属脂类的1751cm-1峰的减弱趋势明显,可能是胞内脂类物质消耗造成的。整个萌发生长过程中,源自葡糖糖和海藻糖的858cm-1,908cm-1,1084cm-1,1118cm-1等峰强度先下降后上升,表明在适宜的生长条件下,海藻糖可能转化为单糖被细胞吸收利用,当营养物质逐渐被消耗时,细胞会再次累积海藻糖以抵抗外界不利条件。【结论】激光镊子拉曼光谱技术可反映胞内生物大分子的活动规律,获知单个酵母孢子萌发过程中物质变化的丰富信息,是探索单个活细胞实时生化变化的有效工具。     

UV胁迫酵母细胞凋亡过程的拉曼光谱研究

【目的】了解UV诱导酵母细胞发生凋亡过程中生物大分子的变化及细胞凋亡的分子机制。【方法】应用单细胞激光光镊拉曼光谱技术(LTRS),实时研究酵母细胞凋亡过程中拉曼光谱强度的动态变化,分析单个细胞凋亡过程的生理生化变化。【结果】致死剂量UV照射酵母细胞后,细胞发生凋亡。对于群体细胞,归属于核酸的1085cm-1,1300cm-1,蛋白质的850cm-1,1440cm-1,1604cm-1,1650cm-1和脂类的1085cm-1,1300cm-1,1440cm-1拉曼峰强度都随凋亡时间的延长而降低,反映酵母细胞在凋亡过程中,细胞内核酸、蛋白质、脂质等大分子物质的含量随时间变化逐步减少;1604cm-1下降幅度最大,到凋亡后期下降60%,反映细胞凋亡过程中能量代谢受阻,呼吸产能活力下降,推测与麦角固醇结构与功能改变有关。单个细胞凋亡过程动态的光谱变化显示,归属于蛋白质等生物大分子的光谱强度也呈下降趋势,但是在90~120min和125~167min时间段里,850cm-1,1085cm-1,1300cm-1,1440cm-1和1665cm-1拉曼峰强度出现恢复性的上升和下降过程,说明群体细胞平均后的光谱数据信息,掩盖了个体细胞凋亡过程中一些信息的变化,群体细胞的结果不能完全反映个体细胞真实的生理状态。【结论】LTRS基于单个细胞水平上的研究,能更直接、真实地反映UV胁迫下细胞内生物大分子变化的动态信息。     

基于质子转移反应-飞行时间质谱的金线莲产地快速鉴别技术

建立一种基于质子转移反应-飞行时间质谱的不同产地金线莲快速鉴别技术。采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集。将检测到的指纹图谱与化学计量学相结合开发一种可以应用于不同产地金线莲快速准确鉴定的新技术。实验结果表明,PCA提取主成份数为4,判别分析方法为FDA时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别。     

基于M-WDLS和PCA的转子故障诊断方法

针对不同故障特征属性交互重叠导致的故障类别辨识困难问题,提出一种基于Manhattan距离作为特征之间相似度信息测度的权值判别拉普拉斯分值特征选择方法.该方法采用Manhattan距离衡量高维特征矢量之间的相似度,并将数据样本标记信息融入权值计算中以增强权值的判别性,提升了LS算法的敏感特征筛选性能.将M-WDLS和主成分分析相结合,提出基于M-WDLS和PCA的转子故障诊断方法.首先提取原始振动信号的时域、频域、时频域特征构造混合域特征集;然后利用M-WDLS选择敏感特征组成敏感特征矩阵;最后对敏感特征矩阵进行PCA降维处理,并将结果输入到K-近邻分类器中进行模式识别.对比实验的结果表明,该方法能有效提取转子系统振动信号的状态特征,有助于提高故障辨识的准确率.     

基于拉曼光谱对人舌鳞癌动物模型建立的检测

建立人舌鳞癌细胞体外癌变模型, 采用激光共焦显微拉曼光谱仪对其进行检测,从分子层面对其进行分析. 方法: 通过培养CAL-27细胞,然后注射在裸鼠皮下成瘤,在通过激光共焦显微拉曼光谱仪和HE染色观察其癌变的情况. 结果：①正常皮肤组织的切片图上可见,其细胞层次清晰,整齐,但是肿瘤组织发现上皮异常增生,细胞多形性,结构层次非常不清楚;②采用共焦显微拉曼拉曼光谱技术并结合主成分分析法和线性辨别技术分类健康裸鼠和人舌鳞癌细胞体外癌变组织的拉曼光谱得到灵敏度为98.4%,特异性为95%,诊断率为96.7%,并发现该方法可以很好的对该动物模型进行在体的检测.     

CO(NH_2)_2晶体的非弹性光散射

研究了尿素[CO(NH_2)_2]晶体在不同几何配置下的偏振拉曼谱。计算了谱峰的归属,对一些特征峰作了认定和分析。     

矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化

为了提高冬枣产地鉴别方法的准确性,测定了69个冬枣样本中10种元素的含量,并对数据进行了差异性分析、主成分分析和簇类独立软模式分析(SIMCA).结果表明,冬枣中Mg、B、Mn、Fe、Zn等元素在不同产地间存在显著差异,利用主成分分析可以看出不同产地样本有较好的聚类趋势.在前4个主成分中,Fe、B、Mn、Zn和K元素的载荷值较高,是重要的产地识别元素.利用SIMCA建立的产地判别模型,置信水平为5%时对验证集样本判别结果最好,识别率为100%,拒绝率为78.95%.研究结果证实了农产品中多元素分析结合SICMA法可以有效用于原产地的鉴别.     

基于近红外光谱短波段的玉米品种鉴别研究

综合PCA、LDA和BPR提出了一种新的基于近红外光谱短波段的玉米品种鉴别方法.针对37个玉米品种的近红外光谱数据,以833nm作为起始波长,选取不同的截止波长,得到不同波段的数据,以此进行品种鉴别.实验结果表明:在833～1 087nm短波段,本文方法识别率达到97.60%,与全波段相比,波段范围缩小了84.71%,而识别率只下降2.16%.     

主成分分析法和Fisher判别方法在汽油分类分析过程中的应用

应用主成分分析(principal component analysis,PCA)法对从90#和93#两种汽油的50个实验样所取的特征数据进行降维处理,再结合Fisher判别方法对这两种汽油进行分类,并将分类结果与不采用PCA法而直接计算数据所得出的Fisher判别结果进行比较,前者的分类正确率达到100%,而后者却只有50%.结果说明采用PCA方法事先对数据处理可以大大的提高汽油分类的准确性.     

基于改进Fisher判别的起步工况驾驶风格研究

以实验采集的起步工况驾驶数据为基础,利用PCA分析筛选出驾驶员在起步工况下的风格特征参数,采用GMM聚类算法对起步工况下的驾驶数据进行分析.以驾驶风格聚类分析结果为基础建立了基于Fisher判别的驾驶风格识别方法模型,运用经典和改进Fisher判别对驾驶风格数据的测试集进行识别.结果表明,改进Fisher判别的识别正确率可达85%以上,证明了改进Fisher判别在处理驾驶风格会影响车辆的多种性能表现时有效,具有较高的准确性.     

利用植被近地面反射波谱季节特征对大针茅草原不同利用强度的植物群落的鉴别研究

测试并分析了大针茅草原不同退化程度（不退化，中（轻）度退化，重度退化）群落的近地面反射波谱的季节变化特征，方差分析与Ｄｕｃａｎ多重检验结果表明：由于不同退化程度群落的优势生活型植物及其数量特征的差异，它们的反射波谱特征彼此之间存在显著差异，在８月初和９月初，波谱特征的差异最为显著，而在５月底至６月底，差异不甚明显；利用两种统计方法－ＰＣＡ和模式识别技术对上述群落不同月份的波谱特征进行了鉴别，发现后者对不同退化群落的统计可分性高于ＰＣＡ，包含蓝光、绿光和近红外反射率的鉴别函数对不同退化程度的群落波谱特征识别精度最高，在８月初和９月初，鉴别效果最佳，鉴别错误概率在１％～７％之间，在５月底和６月底，对重度退化与非重度退化群落的错误概率也较小（约为４％），但对不退化与中（轻）度退化群落的错误概率可达１３％左右．     

新鲜铁表面锈蚀过程的拉曼光谱研究

实验采用共焦显微拉曼光谱技术测量水体系中的纯铁电极表面,获得了铁电极表面在激光照射下生成的氧化铁物种随时间而变的拉曼光谱,得到了铁电极表面在拉曼光谱测量中生成的锈蚀产物的结构变化过程。     

基于PCA的指节纹图像全局特征提取与识别

在基于PCA( Principal Component Analysis) 的指节纹图像全局特征提取和识别中,为了提高准确率,在传统方法的基础上,通过实验验证了4 指指节纹对于识别结果有不同的分类权重( 贡献率) 。改进了已有研究成果中对4 指等权重分配的方法。实验结果显示,和4 指等权重分配方法达到94． 4%的识别率需要32 维特征相比,4 指权重比为2 ∶ 2 ∶ 3 ∶ 2 时,取21 维特征即可达到最高识别率94． 4%。因此该方法可大大降低特征维数,提高识别速度。     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

单晶体材料WTe2的Raman光谱

利用波长为532 nm的激光分别沿单晶体材料WTe₂的b轴和c轴进行激发获得相应的Raman光谱, 结合第一性原理计算, 对两种激发条件下单晶体材料WTe₂的Raman光谱进行研究, 并根据单晶体材料WTe₂的偏振Raman光谱及理论计算结果, 分别对测量获得单晶体材料WTe₂的Raman光谱进行归属. 实验结果表明, 沿单晶体材料WTe₂的b轴比c轴激发获得的Raman光谱变化明显.     

不同炒制方式及贮藏时间对苦荞茶滋味影响的智舌辨识研究

利用智舌对不同炒制温度、时间以及不同贮藏期的苦荞茶进行品质辨识,采用铂、金、钯、钨、钛和银电极作为工作电极,分别在1,10,100 Hz三个脉冲频率下进行品质检测;并利用主成分分析和线性判别分析对数据进行分析整理.结果表明炒制温度及储藏时间对苦荞茶的滋味品质影响较大,样品之间差异显著.相比之下炒制时间对苦荞茶滋味品质的影响不显著.主成分分析能够区分炒制温度差异较大的苦荞茶,而对于同一炒制温度不同炒制时间的茶样以及不同储期的茶样区分效果不佳.线性判别分析能够有效地区分不同炒制温度和时间制备的12组苦荞茶以及不同储期的7组苦荞茶,其区分指数分别达到99.8%和99.7%.     

利用拉曼光谱测定四氯化碳浓度

为了建立利用拉曼光谱测量物质浓度的方法,采用激光拉曼光谱对CCL4含量进行直接测定。通过不同浓度CCL4的拉曼光谱特征峰强度以及CCL4与溶剂乙醇拉曼特征峰的相对强度比,与CCL4的体积浓度建立线性回归方程。结果表明,线性相关系数达到0.99以上,低浓度（4～35）有更好线性相关,采用内标法能在较大的浓度范围内（4～50）获得更好的准确度。     

基于核Fisher判别分析的粮虫特征压缩方法

针对粮仓害虫种类多、类别之间相似度比较高的特点,提出基于核Fisher判别分析的粮虫特征压缩方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核Fisher判别分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从粮虫分类效果方面,将KFDA法与FDA法、PCA法和KPCA法3种方法进行了比较分析.应用KFDA法提取的前4个特征,由最近邻分类器对粮仓中常见的9类粮虫进行分类,验证集的识别率为93.33%.结果表明:KFDA法对粮虫特征的非线性比较敏感,在有效降低特征维数的同时,还提高了类别之间的可分性.