基于可见-近红外光谱特征波长选择的土壤有机质快速检测研究

选择光谱特征波长进行建模可以减少冗余波长的干扰,提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理,并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明,小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数,而且还能提高模型的预测精度,特别是离散粒子群优化算法利用26个波长进行建模,预测决定系数达到了0.81,预测的相对标准误差为2.31。实验结果证明,通过对光谱波长进行选择不但可以降低模型的复杂度,还能有效预测土壤有机质达的含量。     

一种基于变量稳定性与集群分析相结合的近红外波长的选择方法

为了提高分析模型的效率与性能,提出了一种基于变量稳定性与集群分析相结合(VSPA)的波长选择方法。该算法将变量分为样本空间与变量空间,在样本空间里计算变量的稳定性,根据稳定性值,利用加权自举采样技术将变量划分为有用变量与无用变量;在变量空间中,统计每个变量出现的频率,利用指数衰减函数在无用变量中去掉变量频率较低的变量。将算法应用在近红外光谱玉米数据集中来预测玉米中淀粉的含量,其预测集均方根(RMSEP)与相关系数(R_p)分别为0.0409和0.9974,筛选后的特征变量仅为原始光谱数据的2.7%,说明提出的变量选择方法能够提高模型的运算效率与预测能力,是一种有效的变量选择方法。     

基于可见-近红外光谱技术的润滑油酸值无损检测方法研究

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法.获得了润滑油在475～975 nm范围内的可见-近红外光谱.采用最小二乘支持向量机(LS-SVM)建立可见-近红外光谱检测模型,并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行光谱有效波长选取.通过UVE-SPA法进行变量选择计算,最终将原始...     

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果.     

基于变异的紧凑遗传算法在农药检测中的应用

为了简化农药检测的预测模型,提高模型预测精度,采用红外光谱技术结合基于变异的紧凑遗传算法对波长变量进行筛选,一定程度上减少了无信息变量和干扰变量。通过不同算法选择的波长变量建立预测模型,mCGA得到的预测均方根偏差平均值是0.198,而与mCGA比较的紧凑遗传算法、简单遗传算法得到的预测均方根偏差平均值分别为0.241、0.289,mCGA具有最小误差。结果表明,采用mCGA进行变量选择,能有效提高模型收敛速度及模型准确度,实现农药含量快速高效的检测。     

基于改进蝙蝠算法的红外光谱特征选择

特征选择是红外光谱定性与定量分析中的重要环节之一。为了解决传统特征选择方法可调参数多、收敛速度慢、精度低、易早熟等不足,对基本蝙蝠算法进行了离散化改进以适用于离散优化问题,同时结合Lvy飞行搜索策略,提出了一种新型的红外光谱特征选择算法。采用三个红外光谱数据集对提出的算法进行了验证,同时与遗传算法、模拟退火算法、无信息变量消除法等进行了比较分析。实验结果显示,该方法可以快速地搜索到全局最优值,能有效地提高波长选择的准确性和稳定性,被选择的波长物理、化学意义明确,采用选择的特征波段建立的定量模型优于用全谱建立的模型。同时,三个不同相态、不同光谱范围的数据集表明,所提出的算法具有较大的适用范围与实用价值。     

基于高光谱图谱融合技术的宁夏滩羊肉嫩度检测方法研究

利用可见/近红外高光谱图谱融合技术对宁夏滩 羊肉嫩度检测进行研究。通过高光谱系统(400～1000nm)采集了128个滩羊肉图像,对原始光谱结合偏 最小二乘回归(PLSR)模型进行多种光谱预处理研究,优选出S-G卷积平滑预 处理方法,采用PLSR的加权β系数提取9个特征波长,对比分析 全波段与特征 波长下的PLSR模型;同时提取出与羊肉嫩度相关的4个图像特征参数,建立基 于图像特征的多元线性回归(MLR)模型;在此基础上,融合特征波长与表面脂肪分布图像特 征 参数建立了羊肉嫩度的PLSR模型。结果表明,采用单一光谱数据下S-G卷积平 滑预处理结合特征波长建立的PLSR模型取得了较好预测效果,基于图谱特征 变量融合的PLSR模型相比于单一光谱模型效果更佳,预测集的相关系数和预测 均方根误差(RMSEP)分别为0.89和0.73,表明本文提出的方法 进行羊肉嫩度定量检测是可行的。     

黄酒总酚含量检测:一种基于GA-LSSVM的近红外光谱波段选择方法

主要研究了近红外光谱技术对成品黄酒中总酚含量快速检测的可行性。针对近红外光谱样本少、非线性等特点,首次将最小二乘支持向量机(Least squares support vector machines,LSSVM)方法引入到传统遗传算法(genetic algorithms,GA)的波长选择中,提出一种基于GA-LSSVM的近红外光谱波段选择方法。该方法采用LSSVM建立小样本下不同波段的非线性模型,然后通过GA算法进行波长的优化选择。应用中,基于GA-LSSVM模型的总酚预测集相关系数(Rp)为0.9734,预测均方根误差(RMSEP)为5.5596,相比于传统方法,GA-LSSVM算法能够较好地提取非线性信息,预测效果更好。     

（英）基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.     

基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源（英文）

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.     

基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法

研究了基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法.全波段建立的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果.这两个模型的建模集和预测集的确定系数(r2c和r2p)均在0.98以上.采用连续投影算法(SPA)挖掘特征波长,最终选择了439 nm、443 nm、...     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。     

针对随机伪操作的简单功耗分析攻击

讨论针对随机伪操作椭圆曲线密码标量乘算法的SPA攻击,理论推导和实测结果均表明,在单样本SPA攻击下,即可在功耗曲线中获取大量的密钥信息;而在针对算法中随机操作漏洞的一种新型多样本SPA攻击—多样本递推逼近攻击下,用极小样本量就可完整破译密钥.当密钥长度为n时,该攻击方法完整破译密钥所需的样本数仅为0(1b n).     

Accelerated Microwave Design Optimization With Tuning Space Mapping

We introduce a tuning space-mapping technology for microwave design optimization. The general tuning space-mapping algorithm is formulated, which is based on a so-called tuning model, as well as on a calibration process that translates the adjustment of the tuning model parameters into relevant updates of the design variables. The tuning model is developed in a fast circuit-theory based simulator and typically includes the fine model data at the current design in the form of the properly formatted scattering parameter values. It also contains a set of tuning parameters, which are used to optimize the model so that it satisfies the design specification. The calibration process may involve analytical formulas that establish the dependence of the design variables on the tuning parameters. If the formulas are not known, the calibration process can be performed using an auxiliary space-mapping surrogate model. Although the tuning space mapping can be considered to be a specialized case of the standard space-mapping approach, it can offer even better performance because it enables engineers to exploit their experience within the context of efficient space mapping. Our approach is demonstrated using several microwave design optimization problems.      

一种分布式网络中轮廓推荐的有效方法

当底层数据的容量以及轮廓推荐指令个数增大时,轮廓推荐的时间代价将呈指数级增长,从而严重影响其推荐效率。为此,基于超对等分布式网络(SPA),该文提出预存储w个轮廓快照来高效处理系统中u个轮廓推荐指令的分布式网络轮廓推荐算法(EMSRDN)。EMSRDN算法充分考虑SPA网络的数据存储和通信特性,利用map/reduce分布式计算模型,通过初始快照集启发式构造来快速产生最优w个轮廓快照。理论分析和仿真实验表明,该算法具有有效性和实用性。     

一种两阶段变量选择的LIBS定量分析方法

使用机器学习方法结合激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy,LIBS)进行定量分析,变量选择的结果直接影响最终的定标模型。现有的变量选择方法多存在需要先验知识、计算量庞大等问题,因此提出一种两阶段变量选择方法。第一阶段为排序阶段,以皮尔逊相关系数r为排序准则快速排除与目标元素的浓度无关的变量,保留的变量集合记为S1。第二阶段为搜索阶段,使用近似马尔科夫毯(Approximate Markov Blanket,AMB)排除S1中的冗余变量,保留的变量集合记为S2。为了测试该方法的有效性,将该方法得到的变量集合S2,与偏最小二乘法-变量重要性投影(Partial Least Squares-Variable Importance Projection,PLS-VIP)得到的变量集合S3进行比较。S2和S3分别结合3种机器学习方法建立土壤中锶元素的定量分析模型,结果显示,变量集合S2的3种定标模型决定系数R2均大于0.99,RE均小于5%,RMSE均小于22 ppm,RSD均小于20%,显著优于S3的定标模型。表明这种两阶段变量选择方法不仅能够高效的进行变量筛选,也在结合不同机器学习算法进行LIBS定量分析时具有一定普适性。     

基于高光谱成像和模式识别的无损检测苹果表面损伤

为了实现苹果表面损伤的快速无损检测,基于高 光谱成像技术结合模式识别算法建立了苹果表面损 伤检测模型。首先,利用高光谱图像采集系统采集完好无损和表面损伤苹果样本的高光谱图 像,提取正常 区域和损伤区域的平均光谱反射率曲线；然后,采用标准正态变换(SNV)和多元散射校正(MSC)分别 对原始光谱数据进行预处理；最后,利用偏最小二乘判别分析(PLS-DA)方法,建立了苹 果表面损伤 SNV+PLS-DA和MSC+PLS-DA检测模型。结果表明:采用SNV和MSC光谱预处理方法可有效地消 除高 光谱图像中的噪声；利用SNV+PLS-DA检测模型对校正集和检验集样本的正确识别率分别为 70.8%和 77.5%,而采用MSC+PLS-DA检测模型对校正集和检验集样本的正确识 别率分别为71.7%和77.5%。因此, 基于高光谱成像技术结合模式识别方法,可实现苹果表面损伤的无损检测。     

LSSVM模型下的LCVR相位延迟特性标定方法

为了标定液晶相位可变延迟器(Liquid Crystal Variable Retarder,LCVR)的相位延迟特性,在25℃、405 nm波长下,利用搭建的测量装置采集了141组实验样本,其中71组样本为训练集,70组样本为预测集,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)和支持向量机(Support Vector Machines,SVM)算法建立LCVR相位延迟量和驱动电压相关数学模型。实验表明,GASVR、PSOSVR、LSSVM方法下最大波长偏差分别为0.013 6、0.013 7和0.004 5,均方误差提高两倍,通过比较,说明该模型能快速准确地预测LCVR工作范围内全部波长、全部电压值下的相位延迟。该方法可作为LCVR相位延迟特性标定的有效手段。     

偏馈法距离校零误差校正

针对偏馈法距离校零产生的误差,提出一种几何校正方法。与传统的零值分离方法不同,该方法基于距离测量原理,用几何法分解对塔校零和偏馈校零的信号路径,并计算对塔校零的距离零值,然后采用参数传递的方式代入到偏馈校零的表达式中导出数学模型,使两种校零方法的距离零值完全等效,从机理上消除了偏馈法的零值误差。同时,考虑近场时延误差和漏射误差,可确定校零天线的最佳安装位置。试验结果表明,校正后的偏馈校零与对塔校零相比,距离零值的误差小于1 m。由于计算模型简单易用,该几何校正方法对当前无塔标校的应用具有一定参考价值。