基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

回归型加权支持向量机方法及其应用

针对各样本重要性的差异,提出了给各个样本的惩罚系数和误差要求赋予不同权重的加权支持向量机方法.给出了对偶最优化问题的描述及其SMO训练算法.在近红外光谱汽油辛烷值测定实验中,训练样本的重要性通过测试样本与该样本的空间距离来表征.实验表明采用加权支持向量机方法提高了汽油辛烷值的测量精度,从而说明了该方法可以提高回归估计函数的泛化能力.     

基于SVM对隐写分析RS算法的改进

RS分析方法是隐写分析理论中检测LSB隐写的一种典型算法,但其对低密写率的情况下其正确检测率是不理想的.针对这种情况,结合统计学习理论,利用一种基于支持向量机(SVM)来改进RS隐写分析算法,在保留RS特征选取策略的前提下,改用支持向量机(SVM)对选取的特征集进行分类识别.实验结果表明,原始无损存储图像,经改进后的算法比RS隐写分析算法具有更优的性能.     

苹果近红外无损检测实验研究

为了实现对苹果的无损检测,研究近红外漫反射无损检测的光谱采集系统,设计苹果光谱采集方式,探讨苹果近红外无损检测的可行性。结果表明:取苹果的2对对称点以及中心点作为光谱采集点,能有效减小采集点位置不同造成的误差,提高准确率;近红外漫反射检测的光谱采集系统能够体现苹果的内部结构信息,实现苹果的无损检测。使用近红外漫反射技术实现对苹果的无损检测是可行的。     

肉品品质检测技术综述

介绍了人工嗅觉与人工味觉检测技术、计算机视觉技术、近红外光谱技术、高光谱图像检测技术等无损检测技术的发展概况.应用高光谱图像技术对肉品品质进行无损检测是当前的研究热点之一.介绍了该技术的基本原理和国内外肉品品质高光谱图像检测技术的研究现状,并展望了高光谱图像检测技术在肉品品质检测中的研究前景,以期对我国相关研究人员的研究工作提供参考.     

SVM算法在入侵检测中的应用

针对目前网络安全问题,入侵检测是一种积极主动的安全防护技术.文中详细介绍了网络入侵检测的现状和支持向量机算法,提出了基于SVM支持向量机的入侵检测方法.实验表明,该方法是行之有效的.     

基于支持向量机的网页多类分类技术

基于支持向量机的网页分类技术是数据挖掘中一个研究热点领域.支持向量机是一种高效的分类识别方法,在解决高维模式识别问题中表现出许多特有的优势,但支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题.总结了当前常用的几种支持向量机多类分类算法,分别从训练速度、测试速度、分类精度三方面对这些分类方法进行了讨论,并给出了进一步的研究方向.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个,采集样品在12500～4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求．研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的．     

基于支持向量机的新生儿疼痛表情识别

研究不同的特征提取方法和分类方法在分类问题上的性能,其中包括主分量分析(PCA)、Adaboost算法、支持向量机(SVM),并进行了仿真实验.仿真结果表明,相对于使用主分量分析方法,利用Adaboost算法结合支持向量机的分类方法进行特征提取和选择的效果更好.     

西瓜品质无损检测技术研究进展

西瓜品质无损检测方法主要有声学特性法、振动频谱法、介电常数法、可见/红外光谱技术法和核磁共振法等,然而应用于市场的检测装置还未面世。根据现有的检测方法,提出应用声音特性,采用LABVIEW采集与处理技术拟研制台式西瓜无损检测系统,应用DSP处理技术拟研制便携式西瓜无损检测装置。     

西瓜品质无损检测技术研究进展

西瓜品质无损检测方法主要有声学特性法、振动频谱法、介电常数法、可见/红外光谱技术法和极磁共振法等,然而应用于市场的检测装置还未面世.根据现有的检测方法,提出应用声音特性,采用LABVIEW采集与处理技术拟研制台式西瓜无损检测系统,应用DSP处理技术拟研制便携式西瓜无损检测装置.     

结合PLS-DA与SVM的近红外光谱软测量方法

为了提高近红外光谱分析精度,提出结合偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）的软测量方法（PLS-DA-SVM）.该方法利用一组由不同类别组成的训练样本,引入二叉树进行多重分类,节点分类器由PLS-DA方法建立;利用偏最小二乘支持向量机（PLS-SVM）建立每类样本的定量模型.预测时,用PLS-DA分类树对待测样本进行分类,选择相应的PLS-SVM模型进行定量分析.实验利用PLS-DA-SVM方法和近红外光谱数据建立汽油的研究法辛烷值软测量模型,针对2个批次共计57个成品汽油样本进行蒙特卡洛交叉检验.结果表明,对汽油牌号进行识别,平均分类错误率为0.07%,低于其他常用分类方法;对研究法辛烷值进行预测,均方误差达到0.243,复相关系数达到0.991,较PLS、LS-SVM等方法有显著提高.     

近红外光谱技术检测农产品农药残留量的研究

介绍了近年来近红外光谱分析技术在农产品农药残留分析检测技术中的应用,其中覆盖了样品预处理方法、运用化学计量学进行定性和定量检测分析技术的方法等.概述了近几年来在近红外农残检测领域的应用和研究进展.提出了结合多信息融合技术的农药残留分析技术及其发展前景.     

基于腔增强吸收光谱技术的气体探测研究

以近红外可调谐半导体激光器为光源,以反射率为99.7%左右的平凹镜组成的稳定光学谐振腔作吸收池,构建起一套腔增强吸收光谱（CEAS）系统;以二氧化碳气体（CO2）、一氧化碳气体（CO）、甲烷气体（CH4）以及一氧化碳和二氧化碳的混合气体为样品,利用分子在近红外波段的特征吸收,研究了在近红外波段用CEAS技术探测CO、CO2、CH4等气体的可行性;同时也对基于可调谐半导体激光器的CEAS系统中激光器的波长定标、谐振腔（吸收池）的透射特征等做了研究,获得了CO、CO2、CH4以及CO和CO2混合气体的特征吸收谱,最后对CEAS技术在定量测量方面的能力做了研究.研究结果表明,CEAS技术的探测灵敏度可达5.687×10^-7cm^-1,是一种装置简单、操作方便、灵敏度高、稳定性好的定量吸收光谱技术.     

Identification of green tea origins by near-infrared (NIR) spectroscopy and different regression tools

In this study, near-infrared (NIR) spectroscopy was applied to efficiently and non-destructively identify Shandong green tea origins coupled with three different regression tools. Analysis results indicated that partial least squares (PLS) had better performance than back propagation artificial neural network (BP-ANN) and support vector machine (SVM). For PLS, the accuracies of identification were up to 100% for both training and testing. The results sufficiently demonstrate that NIR spectroscopy can be efficiently utilized for the non-destructive identification of green tea origins.     

超声无损检测中基于支持向量机的自适应裂谱分析法

传统裂谱分析（SSP）方法对滤波器类型及其参数选择过于敏感,优化处理算法的信噪分离规则不能根据应用场合、信号和噪声的性质进行自适应调整.为了提高超声无损检测（UNDT）和无损评价（UNDE）中基础数据的信噪比（SNR）,提出了一种基于支持向量机（SVM）模式识别理论的自适应裂谱分析方法.采用以高斯函数为核函数的SVM所构成的信噪分离器,对信号和噪声进行识别和分离,从而消除噪声,得到高信噪比的超声回波信号.实验结果表明,与传统裂谱分析方法相比,该方法提高了消噪性能的稳定性,增强了湮没晶粒（或其他散射体）散射中缺陷回波信号的能力.     

涡流检测的现状及新进展

对涡流检测法中的几个方面做了介绍,首先介绍激励电场从单频、多频到频带检测的发展趋势,然后介绍涡流检测中数据分析物理量,重点介绍了涡流检测中的数据处理方法及有限元数值计算方法.     

基于拉曼光谱与PLS的钻井液混合物定量分析

随钻测井技术相比传统测井能够获得更真实的地层数据信息,因而更适用于实际应用。但是,在随钻检测的过程中,需要迅速、精确地判断混合物中是否含有原油,即实现混合物的定性分析。激光拉曼光谱分析技术作为当前发展较为完整的分子光谱分析技术,被广泛应用到多种物质分析的领域中。针对原油钻井液混合物的特点,基于激光拉曼光谱分析技术,提出一种以偏最小二乘分析法为基础的定性分析算法,同时对已知获得的拉曼光谱进行平滑去噪、基线校正、归一化等预处理操作,并在此基础上完成以奇异值分解为主要方法的特征提取处理,进而实现对混合物定性分析的目的,并在一定的精度内完成定量计算。