高聚物碳黑复合体化学传感器的研究及其在电子舌中的应用

用碳黑和不导电高聚物复合体制备化学传感器阵列,在检测、量化和识别各种有机气体和液体成分上,最近已受到相当重视.本文介绍了复合体导电机理,制备了两种新型的基于复合体薄膜的化学传感器,并将其应用于实验室开发的电子舌系统,采用阻抗法测量传感器在不同样本液体中的响应,最后用主成分分析法对数据加以识别,初步实验结果表明传感器能够较好的区别酸、甜、苦、咸等味道,且该传感器生命周期长,重复性好,在实时、在线的电子舌系统中具有很好的应用前景.     

基于在线拉曼光谱仪预测石脑油组成的方法研究

研究石脑油的烃组成预测问题.针对石脑油组分极其复杂和冗余特点,传统的检测方法求解方法复杂、测定时间过长等难题,为了提高准确度,提出一种基于在线拉曼光谱技术结合主成分粒子群算法的预测方法.首先获得石脑油样品的拉曼谱图,利用主成分分析对数据进行降维处理,消除数据间的冗余信息,然后采用粒子群算法对主成分分析后的数据进行预测,得到各个组成成分在石脑油中的质量分数,并将样品预测值与真实值的相关性进行分析.实验结果表明:相对于其他预测方法,该方法准确性高,现场适应性强,测定时间短,是一种高效、实时性好的石脑油组成预测方法.     

一种基于光谱的同步快速测定离子浓度方法

为了同步快速测定水中多种离子的浓度,提出了一种光学检测与综合数据处理相结合的方法.该方法基于分光光度法原理,能够快速测得混合离子光谱.用小波降噪、主成分分析降噪和差分降噪对测得数据进行综合处理.其中解决光谱重叠问题是提高测定精度的关键,目前多采用化学或物理的方法消除重叠,速度较慢;而采用待测多种离子的标准光谱,进行鲁棒(稳健)回归分析来消除重叠,其速度快,从软硬件两方面保证了快速性,且便于测量装置小型化.实测表明本方法测定精度高、速度快,同时能完成两种离子浓度的同步测定.     

红外光谱结合化学计量学在中药分析中的应用

综述红外光谱技术与化学计量学相结合在中药分析中的应用.报导利用求导法(包括一阶、二阶求导)、数字滤波、数据平滑、矢量归一化、傅立叶变换和卷积运算,以及小波变换等方法处理红外分析信号,可以提高谱图的信噪比、改良分析信号的质量和还原被扭曲的谱图;利用主成分分析法、因子分析法、偏最小二乘法等校正方法处理红外光谱数据,可以迅速而准确地鉴别和分类中药;用SIMCA方法、聚类分析方法和阵列相关系数比对法等化学模式识别红外数据可以判断中药的产地、道地性、采收时间和配方中药的质量等;利用二维相关光谱可以鉴别中药材的真伪和中药材的品种等.     

河南南阳烟区土壤生态指标的主成分分析

采用主成分分析法对南阳烟区13个不同生态类型土壤的物理、化学及生物学性状指标进行分析,结果表明,南阳烟区土壤化学生态指标中第一主成分为有机质的综合指标;第二主成分为pH.南阳烟区土壤物理生态指标中第一主成分为容重、孔隙度;第二主成分为土粒密度.南阳炯区土壤生物学生态指标中第一主成分为脲酶活性、过氧化氢酶活性的综合指标;第二主成分为纤维菌数、放线菌数、氨化菌数的综合指标.南阳烟区土壤物理和化学生态指标中第一主成分为容重、孔隙度;第二主成分为土粒密度.南阳烟区土壤物理、化学和生物生态指标中第一主成分为有机质的综合指标;第二主成分为脲酶活性、过氧化氢酶活性、真菌数等生物学的综合指标;第三主成分为pH、土粒密度、容重等理化综合指标;第四主成分蛋白酶活性和放线菌数的生物学综合指标.为抓住主要矛盾从不同层次研究和改良南阳烟区土壤生态条件提供理论依据.     

行政监督量化分级指标的应用数据分析

行政监督量化考核指标虽然实施数年,对这些指标量之间的关系和作用的分析却很少涉及,为了提高行政监督考核量化指标的设置,分析指标间的相互关系,利用行政监督管信息管理系统的数据,应用主成分分析方法对不同业务的量化分级管理数据进行处理,依照不同的贡献率从数据中提炼出主信息,可去掉变量之间的多重相关性,简化考核指标项,指导优化行政监督过程,提高效率、降低成本。     

一种高效体数据压缩算法及其在地震数据处理中的应用

采用可编程图形硬件对大规模体数据进行直接体绘制时常常受到图形卡容量的限制,导致数据在内存与显存之间频繁交换,从而成为绘制的瓶颈.为此,提出一种大规模体数据矢量量化压缩算法.首先对体数据分块,并依据块内数据平均梯度值是否为0对该块进行分类;然后用3层结构表示梯度值非0的块,对其中次高层和最高层采用基于主分量分析分裂法产生初始码书,用LBG算法进行码书优化和量化,而对最低层以及梯度值为0的块采用定比特量化.实验结果表明,在保证较好图像重构质量的前提下,该算法可获得50倍以上的压缩比和更快的解压速度.     

中药吴茱萸中脂肪酸气相色谱数据的化学模式识别

采用气相色谱法对中药吴茱萸脂肪酸进行了分析测定,根据测定的数据用主成分分析法进行特征压缩、提取,将代表诸样品特征的点即“星”显示在半圆形极坐标上构成星座图,根据“星”所属的星座和所走的路径,对１８种不同品种、不同产地的吴茱萸进行自然分类,为中药吴茱萸的品种鉴别和质量优选提供了依据。本法可望推广应用于其它中药的质量评价。     

基于主成分和回归分析的烟叶质量分析模型

为了解决了以往单一地分析烟叶的某种特性无法将分析结果直接用于实际生产,而且分析结果易受主观因素影响的问题,采用主成分分析(PCA)和回归分析相结合的方法建立烟叶质量分析模型,构建的模型符合卷烟工业实际需求且便于实际应用.首先,采用主成分分析法对烟叶质量的所有属性进行分析,剔除了属性之间的内在联系和重复信息,把高维属性降维处理为包含了原属性大部分信息的低维主成分属性;然后,将得到的主成分数据结合烟叶专家对烟叶质量的实际评分数据进行回归分析,建立了一个有效的烟叶质量分析模型.该模型通过了数据的验证,具有比较高的准确性.     

基于数据预处理的板蓝根注射液指纹图谱模式识别

中药色谱指纹图谱具有成分复杂、图谱基线和成分保留时间易受外界因素干扰等特点.本文对获得的色谱指纹图谱进行基线校正和色谱峰保留时间校正的数据预处理,不需色谱峰的积分,直接用各色谱信号的全谱数据评价相似度、主成分投影分析和谱系聚类分析,将各厂家的注射液样本正确分类并检出其中的异常样本,为处理和评价中药色谱指纹图谱数据,提供客观、便捷的方法.     

电子鼻在棉织物异味检测中的应用研究

基于电子鼻传感器检测技术,对棉织物中5种异味整体性质的人工智能评价进行探究,根据传感器检测数据曲线和数据主成分分析(PCA)分析,结果表明:各传感器对不同异味成分的响应性不同,PCA分析法处理数据能够有效区分布样中不同的异味组分,为纺织品异味的快速、有效、客观检测评定奠定了一定的基础.     

Multidimensional analysis in problems of education qualimetry

A wide range of problems is solved in the field of educational qualimetry. They are student education quality control, ranking of departments of educational institutions, comparison and evaluation of the quality of the educational process in basic centers and branches of remote education, establishment of equivalent qualifications, mutual acknowledgment of education certificates of the Russian Federation and other countries, and so on. It is reasonable to use statistical methods of multidimensional analysis (principal component and factor analysis) to create a system of objective monitoring of the quality of the educational process. The problem of interpretation of principal components in problems of education qualimetry is considered. Principal components of educational-methodical unions of a particular profession are proposed as the criterion of evaluation of the quality of the educational process of a university under study.     

基于主灵敏度矢量回归评价中药色谱指纹图谱

基于主灵敏度矢量稳健主成分回归(RPPSV)和蒙特卡罗交互检验(MCCV)方法对29个不同来源的银杏提取物和33个不同产地的灯盏花提取物的色谱指纹图谱进行质量评价,分别定性判断出银杏样本数据集中的7个异常样本和灯盏花样本数据集中的4个异常洋本。与相关系数法相比,RPPSV具有更好的异常样本检测能力,但是两者评价指纹图谱的结果基本是一致的。     

鱼腥草注射液指纹图谱数据库系统的实现与应用

建立中药色谱指纹图谱的目的在于全面反映中药所含内在化学和生物成分的种类与数量,考虑到如何全面完整地利用指纹图谱的信息来为中药质量控制提供依据,提出采用数据库来存储和管理指纹图谱数据,并利用化学计量学中的数据预处理手段和模式分析等方法对指纹数据进行分析处理。本文讨论了利用MATLAB开放式可扩充体系结构,开发出鱼腥草注射液指纹图谱数据库系统的构想和设计思想,实现数据的标准化和动态更新、标准指纹谱的动态生成、相似度检验、化学模式分析、特征物质峰的查找等功能。该数据库具有操作简便,界面友好、功能强大等特点。实践证明,通过该数据有系统的应用可以有效跟踪产品质量,可广泛应用于鱼腥草注射液的质量控制。     

基于PCA与BP混合神经网络算法的电子鼻系统

为了对食物品质进行非接触式评价,基于6种费加罗金属氧化物气体传感器阵列,通过由数据采集模块和微处理器模块组成的硬件设计方案,设计并研制了可对被测食物进行实时、无损检测的电子鼻系统。在软件设计方案上,该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该设计的电子鼻系统可以很好地区分不同种类的食醋,并提供了一种对食醋品质评价的便利方法。     

SpikeTools:用于神经元网络锋电位分类的软件

使用多电极阵列可无损的记录神经元网络的电活动，但是单个电极往往会同时记录到多个神经元的活动，因而需要将所记录的信号进行分类。本文通过幅度、形状、主成分等分类方法与聚类方法实现了对锋电位的分类，并在MATLAB平台下编写了相应的可视化软件spike Tools对模拟数据的分类结果表明：均有90％以上的锋电位得以正确归类。对实验数据的分类结果表明：阈值分类方法能对幅值有明显区别的锋电位进行合理分类，形状分类方法能对幅值接近的锋电位进行分类，而主成分分类方法区分波形的整体差异，能分离前两种方法难以区别的类；聚类方法可实现自动分类。开发的spike Tools软件能对各种锋电位群数据进行分类处理，为锋电位信号的分析提供了有力的工具。     

Monitoring and prediction of big process data with deep latent variable models and parallel computing

Process monitoring and quality prediction are crucial for maintaining favorable operating conditions and have received considerable attention in previous decades. For majority complicated cases in chemical and biological industrial processes with particular nonlinear characteristics, traditional latent variable models, such as principal component analysis (PCA), principal component regression (PCR), partial least squares (PLS), may not work well. In this paper, various nonlinear latent variable models based on autoencoder (AE) are developed. In order to extract deeper nonlinear features from process data, the basic shallow AE models are extended to the deep latent variable models, which provides a deep generative structure for nonlinear process monitoring and quality prediction. Meanwhile, with the ever increasing scale of industrial data, the computational burden for process modeling and analytics has becoming more and more tremendous, particularly for large-scale processes. To handle the big data problem, the parallel computing strategy is further applied to the above model, which partitions the whole computational task into a few sub-tasks and assigns them to parallel computing nodes. Then the parallel models are utilized for process monitoring and quality prediction applications. The effectiveness of the developed methods are evaluated through the Tennessee Eastman (TE) benchmark process and a real-life industrial process in an ammonia synthesis plant (ASP).     

Technical note The discrimination of scenes by principal components analysis of multi-spectral imagery

The potential limitations for reduction of Landsat 5 TM data by principal components analysis (PCA) were studied, using images of two different landscapes at Parai ba, northeast Brazil (coastal/urban and inland/agricultured scenes). Standardized counts were considered for six bands in the solar spectrum. Basic correlation matrices needed for principal axes definition were built by sampling of 1500-3000 pixels. It was found that the use of some simple concepts of factor analysis (Varimax rotation and 'correlation circles') allows the detection of redundant channels in different types of scene. Up to three original variables appeared as non-redundant, and only two principal components were enough to identify main field patterns. When using two principal components and simple clustering methods (e.g., supervised minimal euclidean distance), various types of vegetated landscapes could be discriminated, with quality similar to that obtained by using all six wavebands. These results show that factor analysis in principal components clearly allows to define a minimal set of non-redundant channels (or of principal components), proper for discrimination studies, such that no further data reduction would proceed. Factor analysis procedures allied with simple computational programs offer a powerful means of scene discrimination.     

能量代谢守恒法无创血糖检测算法研究

根据能量代谢守恒法无创血糖检测的基本原理,设计出无创血糖检测探头并推导出血糖检测的数学模型。采用了多元线性回归和主分量分析方法处理数据,得出了计算血糖值的多元线性表达式,获得了对血糖值贡献最大的两个分量。实验结果显示,采用上述算法计算得出的血糖值与血糖真实值之间的相关系数R=0.86,表明了采用主分量分析和多元线性回归求解无创血糖检测模型的方法是可行的。     

Multivariate analysis in dam monitoring data with PCA

Given the limitation of traditional univariate analysis method in processing the multicollinearity of dam monitoring data,this paper reconstructs the multivariate response variables by introducing principal component analysis(PCA) method,explores the ways of determining principal components(PCs),and extracts a few PCs that have major influence on data variance.For steady observation series,a control field for the whole observation values has been established based upon PCA;for unsteady observation series th...