青海枸杞的红外光谱鉴别及相似度分析

利用傅里叶变换红外光谱,测定了35个来自青海省不同产地的枸杞样品的红外光谱。常规和小波变换的方法对红外光谱原始数据进行了预处理。对不同产地枸杞药材进行红外光谱指纹鉴别,并以质量最好的S1样品作为参考,建立枸杞的对照红外指纹图谱,采用相关系数法和夹角余弦法计算样品红外指纹图谱与对照指纹图谱的相似度。7批样品中,质量较好的红外指纹图谱与对照指纹图谱的相似度(夹角余弦法)均在0.99以上,其它的相似度均在0.99以下。进一步,聚类分析将7份样品聚为枸杞主产地与非主产地两大类及枸杞制品类,验证了相似度分析的结果。不同产地枸杞的红外指纹图谱可以用于药材的质量评价,其相似度值的大小可作为枸杞药材产地鉴别和质量评价。     

不同产地黄柏的近红外指纹图谱鉴别分析

建立用近红外漫反射光谱鉴别不同产地黄柏药材的新方法.采集不同产地的黄柏药材及其伪品的近红外漫反射光谱,用模式识别方法进行聚类分析,建立判别模型并用三重交叉验证的方法对模型稳定性进行验证.黄柏样品与伪品能较好地区分开;建立模型后对已知训练集样本的分类精度高达100%,对未知样本的预测精度达到100%,该模型具有很好的预测性能,这说明了所建方法性能优良,能够适用于黄柏药材的不同种植产地分类鉴别.近红外光谱法简便、快速、不破坏样品,结合模式识别方法能够准确鉴别正品、伪品以及不同产地的黄柏药材.     

支持向量机在危险化学品被动红外遥测光谱鉴别中的应用

为提高危险化学品被动红外遥测光谱鉴别正确率,提出应用支持向量机建立鉴别模型。利用野外实测氨气被动红外遥测光谱样本集,变换惩罚因子C对比高斯核函数与多项式核函数的效能,结合网格遍历法搜寻最佳模型参数,建立了基于支持向量机的鉴别模型。基于40个训练样本得到的模型,对包含267个样本的测试样本集的鉴别正确率可达93.6%,明显优于3层网络结构的BP神经网络鉴别模型。实验结果表明,支持向量机鉴别模型是一种有效的危险化学品红外遥测光谱鉴别方法。     

环境化合物降解预测模型的研究

为建立化合物降解的计算机预测模型,确定降解和非降解化合物显然不同的参数.选择389个有机分子作为数据集,选其中312个为训练集,其余77个为验证集,每个分子计算195个分子参数,分别采用逐步判别法和主成分分析法建模,并用外部验证集验证模型的预测能力.结果:逐步判别法分析结果中,训练集的降解和非降解化合物的正确率分别为90.6%和69.5%;验证集的降解和非降解化合物的正确率分别为83.9%和63.6%.主成分分析结果在测试集中,降解和非降解化合物的正确率分别为80.4%和31.8%.验证集的降解化合物和非降解化合物的正确率分别为67.9%和50.0%.因此,采用逐步判别法模拟而建立的数学模型,可作为预测化合物降解的模型.以卜研究可以为预测有机物降解提供参考.     

温度限制串联相关网络-红外光谱法用于中药大黄样品的鉴定分类

将温度限制串联相关网络与红外光谱分析技术相结合,对大黄样品的真伪进行分类。采用小波变换对原始数据进行压缩,将原来的775个数据点压缩到49个数据点,既提高了网络的训练速度又保持了原来的特征谱峰。对45种样品进行了测定和鉴别,正确率可以达到84．4％。对影响分类结果的网络参数,进行了讨论。红外光谱法作为中药鉴别的一种方法与神经网络相结合,使中药鉴别更加快速、方便。     

基于近红外光谱的水蜜桃采摘期的鉴别方法

提出了一种利用近红外漫反射光谱技术结合光纤传感技术建立水蜜桃采摘期的鉴别方法.从无锡阳山镇的某大棚采摘了距最佳采摘期天数为3,2,1以及处于最佳采摘期的水蜜桃各48个,用近红外光谱仪对样品进行了光谱采集.对原始光谱进行平滑、一阶微分和多元散射校正预处理,采用主成分分析(PCA)结合偏最小二乘(PLS)法建立了水蜜桃采摘期的鉴别模型.研究显示:一阶微分和平滑组合预处理后的鉴别模型效果最好,校正集模型和预测集模型的决定系数分别为0.9279和0.9138;模型的内部交叉验证均方差(RMSECV)和预测均方根偏差(RMSEP)分别为0.3003和0.3349;水蜜桃样品校正集和预测集的鉴别正确率分别为95.13%和93.75%.结果表明:利用近红外漫反射光谱技术对水蜜桃采摘期的鉴别具有很好的应用前景.     

3种不同产地生地黄近红外图谱的判别分析

目的:采用近红外漫反射光谱技术对3种不同产地的生地黄进行近红外漫反射指纹图谱判别分析,建立基于近红外漫反射图谱的快速、简便的鉴别方法.方法:用Nico1et6700型傅里叶变换近红外光谱仪采集光谱,在OPUS5.5分析软件上用二阶导数+矢量归一化法进行产地聚类.结果:3种不同产地的生地黄距离在0.6以上时被分开,15批验证集的样品中2份判断错误,预测集正确率为86.67%.结论:此方法简便可行,可为地黄产地鉴别方法提供1种新技术.     

基于SVM的白酒红外光谱分析方法研究

为实现白酒品评自动化,采集了297个不同香型、86个不同等级、60个不同年份的白酒样品红外光谱图,共计443个。针对这些红外光谱图,采用3次多项式插值拟合的方法进行基线漂移校正,并用小波软阈值法去除光谱噪声,然后用标准归一化的方法消除散射效应。对于白酒的香型、等级和年份这3种不同的分类问题,分别选择样本的75%为训练集,余下25%为测试集,利用支持向量机(SVM)方法建立对应的香型、等级和年份分类模型,并在测试集上验证了模型的分类性能。实验结果表明该方法行之有效,香型分类正确率达到98%以上,等级分类正确率达到92%以上,年份分类正确率达到100%。     

近红外光谱法快速判别水中杀螟硫磷残留

对二维相关光谱选择波数结合偏最小二乘判别分析检测水中杀螟硫磷残留进行了可行性研究。先用原始近红外光谱构建的二维相关同步光谱选择了(5365~7800)cm~(-1)来建立偏最小二乘判别模型。总共241个样品中,随机选择了161个纯水及含杀螟硫磷的水溶液样品作为训练集,另外80个样品作为验证集。在(5365~7800)cm~(-1)内,前处理方法为数据中心化时,训练集中的2个1μg/mL的水溶液样品被误判;前处理方法为标准正态变量转换或多元散射校正(含数据中心化)时,预测集中都有2个纯水样品被误判:总正确率都为99.2%。能检测出的水中的杀螟硫磷的最低浓度为1μg/mL。建立了一种快速判别水中杀螟硫磷残留的方法。     

利用近红外光谱技术同时检测奶粉中的多个掺假成分

利用近红外光谱技术对奶粉中含有多种掺假物的情况进行了定性判别分析.样本集除12个纯正奶粉样品外,146个掺假奶粉样品中分别加入了植脂末,天然大豆分离蛋白粉和麦芽糊精中的1～3种,掺假物的总含量范围在1.96%～35.9%之间.用Thermo Scientific Antaris MX型近红外光谱仪测量样本近红外光谱,采用非线性迭代偏最小二乘法(NIPALS)提取主成分,然后利用马氏距离进行线性判别分析,建立了1个8类判别模型.在138个样本集的交叉验证中,判别准确率达99.28%,20个测试样本的判别准确率达100%.另一方面,将3种掺假物中的1种作为未知干扰掺假物,用不含未知干扰物的样本建立了定性判别模型,然后用含有未知干扰物的样本进行验证.在植脂末作为未知干扰的情况下,判断奶粉是否掺假的准确率有100%,判断大豆分离蛋白粉和麦芽糊精是否掺入的准确度分别为78.94%和88.42%;而使用麦芽糊精作为未知干扰物时,调用模型判别奶粉是否掺假,准确率依然有100%,但判断植脂末和大豆蛋白粉掺入情况的准确率只有34.74%和32.63%.研究表明近红外光谱技术可以对奶粉中的掺假情况和掺假物种类进行快速判断;当掺假物定性判别模型遇到未知干扰时,使用该方法虽然可以对奶粉是否存在掺假进行判断,但对掺假物种类难以进行正确判别,因此建模样本集应包含尽可能多类型的掺假物.     

进口铁矿产地鉴别模型的建立

本文介绍了建立进口铁矿产地鉴别数据库的方法。首先利用X射线荧光光谱法测定所收集的进口铁矿样品中的主要元素含量,在大量检测数据的基础上,采用数理统计的方法即逐步判别法对不同元素和产地国别的关联程度进行计算,筛选出关键的指标组合;然后采用非参数判别方法,建立进口铁矿产地鉴别模型,并利用历史数据集评估该模型的可靠性。应用本鉴别模型能够准确的判断出产地为巴西、伊朗的铁矿,对于澳大利亚和印度的铁矿可能会出现误判,但随着实验数据的不断积累,鉴别模型还会继续完善。该模型的建立将直接应用于进口铁矿的产地鉴别,对于保护我国进口铁矿贸易相关方的经济利益、保障矿石质量安全、维护国家外贸秩序都将起到积极的作用。     

基于光谱技术结合计算机信息处理技术鉴别机油品种的研究

利用光谱仪测得三种品牌共150个机油样本的光谱数据,再借助数据处理软件对原始光谱数据进行处理,处理后的数据先采用主成分分析法对机油品种进行定性分类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立机油品种识别模型,对机油品种进行定量鉴别。从每种机油50个样本共计150个样本中随机抽取120个样本(每种40个样本)用来建立神经网络模型,剩下的30个机油样本用于预测。品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为机油的品种鉴别提供了一种新方法。     

蛋白-核酸相互作用的支持向量机预测模型

与核酸作用的蛋白质在基因功能许多方面扮演着极其重要的角色,预测蛋白质是否与核酸作用在生物信息学领域受到广泛关注。本文用氨基酸组成、氨基酸物化特性和蛋白质结构等信息作为特征参数,通过支持向量机方法预测了与核酸作用的蛋白质。分别取与rRNA,RNA和DNA作用的3个蛋白质数据集,用SVM训练,筛选最优核函数,优化核函数参数,建立分类判别模型,并用于预测蛋白质是否与核酸作用。结果表明:即使对同源相似性低于40%的蛋白质,通过用10-crossvalidation(交叉验证)方法测试上述3个数据集都分别有93.75%、83.41%、81.85%的预测正确率。用外部测试集测试所得模型分别有93.8%、84.2%、81.9%的预测正确率。在此基础上,我们建立了1个预测蛋白质与核酸是否作用的网上在线软件系统。网址是:http://chemdata.shu.edu.cn/protein_na。     

分段线性判别技术在红外光谱数字信号处理中应用

介绍了分段线性分类器的基本原理及其在红外化学遥感监测领域应用的概况.研究了单边式分段线性分类器应用于化学毒剂红外光谱鉴别的特性.建立了一个二维数据样本集对这种分类器的判别特性进行了评价,然后用一个DMMP光谱数据样本集对这种分类器的性能进行了检验.二维数据的训练结果表明,单边式分段线性分类器对真实类界面的逼近程度高于传统的树状分段线性分类器.DMMP光谱样本的训练和预测结果表明,一个由4维判别矢量构成的单边式分段线性分类器其性能优于线性分类器和由3步7维判别矢量构成的树状分段线性分类器.     

基于神经网络的老陈醋年份的定性分析

为了找出快速、简捷、有效的鉴定老陈醋年份的方法,对72种老陈醋样品采集数据,并采用RBF神经网络来建立分类模型,对测试样本分类验证。结果表明:RBF网络分类正确率为100%,此方法有效可行。     

近红外技术识别掺假原奶的可行性研究

为探索近红外技术识别掺假原奶的可行性,本文从上海市以及周边地区各牧场采集两批共162个原奶样本,将冷藏保鲜的原奶在40℃下超声20 min后配制相同数目、糊精水溶液含量为1～20%的含三聚氰胺或尿素的掺假牛奶,采用漫反射模式采集其近红外光谱.用SNV、MSC及一阶导数对光谱进行预处理、分别以IS-KNN、KNN以及PLS-DA法建立掺假原奶的近红外判别模型,轮流留1/4样品作为检验集统计平均预测正确率.结果表明IS-KNN法可取得良好效果,该法对掺假原奶的判别正确率在90%以上,对原奶的判别正确率在81%以上,对含三聚氰胺假奶的判别正确率要高于含尿素假奶,该法对不区分假奶中伪蛋白种类所得真、假牛奶的识别正确率仍可达85%与91%以上.本文结果表明采用合适的模式识别方法及光谱预处理方法可实现对掺假原奶的良好识别.样本的采集地、采集时间、样本数目等因素对原奶近红外判别模型的影响尚不明确,该技术的实际应用有待进一步深入研究和完善.     

基于目标因子分析的成品油近红外光谱定性鉴别

为了对90#汽油,93#汽油,O#柴油和航空煤油等4种成品油进行快速准确地定性鉴别,提出了1种基于目标因子分析算法近红外光谱技术快速鉴别成品油的新方法.分别收集了46个90#汽油,63个93#汽油,89个航空煤油,138个柴油样品,利用MPA傅立叶变换近红外光谱仪对样品在(10 000～4400)cm-1光谱区域进行近红外光谱测量.采用主成分分析结合马氏距离及目标因子分析方法对4种成品油进行模式识别定性分析,选择合适的阈值和目标因子主成分数,结合二维投影和三维投影图,比较了成品油样品在近红外光谱上的差异程度,确立了最优定性判别模型.研究结果表明:采用传统的马氏距离法无法对90#和93#汽油进行准确识别,而采用目标因子分析算法能够表征336个样品的类别关系,能更全面可靠地表征样品的特征信息.选择24个90#汽油,42个93#汽油,103个O#柴油和59个航空煤油样品进行验证,其正确识别率分别95.8%,97.6%,99.0%和100%,具有良好的分类和鉴别作用,为成品油的鉴别提供了1种新方法,具有广泛的应用前景.     

红外光声光谱技术结合支持向量机鉴别油菜籽品种

采用傅里叶变换红外光声光谱技术对10个品种的油菜籽样本进行品种鉴别。原始光声光谱卷积平滑后,首先采用全谱数据建立支持向量机鉴别模型,当RBF核函数的核参数γ值为0.01时,模型最大预测率为70%。利用方差分析的方法对全谱进行有效波长筛选,筛选后的波长用于建立支持向量机鉴别模型,当γ值取0.1时,模型的识别率和预测率均可达到100%。同时,采用偏最小二乘判别分析建立鉴别模型,作为支持向量机模型的对照,该模型的预测率仅为60%,明显低于支持向量机模型的预测精度。研究表明,红外光声光谱技术结合支持向量机,在油菜籽品种鉴别中有良好的应用性能。     

基于分子参数的CYP2C9抑制剂的预测模型

细胞色素P4502C9(cytochrome P4502C9,CYP2C9)是肝脏重要的一种异物质代谢酶,许多药物或化学物质均可抑制和干扰其活性,在某种药物发现早期,预测基于CYP2C9抑制的药-药相互作用对筛选及发现新药具有重要意义。本文旨在建立CYP2C9抑制剂的预测模型,并确定抑制剂和非抑制剂显著不同的参数。选择81个化合物作为数据集,随机选其中64个为训练集,其余为验证集;选取250个分子参数给化合物数字化。采用逐步判别分析法(stepwise discriminant analysis method)和K-均值聚类分析法(K-Means cluster analysis method)模拟,建立数学模型,并用验证集检验模型的预测能力。结果表明:训练集的抑制剂正确率为96.4%,非抑制剂为97.2%;验证集的抑制剂正确率为85.7%,非抑制剂为90.0%。而采用K-均值聚类法时,抑制剂和非抑制剂的正确率也分别达到了82.9%和86.9%。对结果的深入分析找出对该模型贡献较大的参数为分子中氨基、烯基基团电拓扑状态指数、碳环数量以及疏水性参数,那些参数对区分抑制剂和非抑制剂两种结构差异、帮助指导CYP2C9抑制剂的筛选和发现具有重要意义。     

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.