基于特征波段-Fisher-K近邻的木器漆拉曼光谱的快速无损鉴别

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358cm-1/1239cm-1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-FisherKNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。     

基于ACO-SVM的光谱分类算法研究

为了实现胡萝卜汁品牌的快速无损鉴别,文章以市售两种品牌的胡萝卜汁为研究对象,通过采集拉曼光谱,并结合支持向量机算法,建立了快速判断胡萝卜汁品牌的分类模型。两种品牌的胡萝卜汁光谱主要在1007 cm^-1,1157 cm^-1,1516 cm^-1这3个谱峰存在差异。先对拉曼光谱进行预处理,再选用蚁群优化算法进行特征选择,最后结合SVM构建分类模型。结果显示,相比SVM直接分类,模型ACO-SVM的最优分类准确率为96.67%,提高了2.5%;其分类时间为7.17 s,缩短了163.31 s。研究表明,基于拉曼光谱分析技术和模式识别算法构建的分类模型能够有效地鉴别胡萝卜汁品牌。     

网络流量特征选择方法中的分治投票策略研究

特征选择作为机器学习过程中的预处理步骤,是影响分类性能的关键因素.网络流量具有数据量大,特征维度高的特点,如何快速提取特征子集,并提高分类效率对于基于机器学习的流量分类方法具有重要意义.本文提出基于分治与投票策略的特征提取方法,将数据集分裂为多个子集,分别执行特征提取算法,利用投票方法获得最后的特征子集.实验表明可有效提高特征提取的时间效率,同时使分类器取得良好的分类准确率.     

基于激光拉曼光谱的氯苯低浓度探测

采用激光拉曼光谱技术对氯苯的25种不同浓度的CCl4溶液进行了分析。研究结果表明,在253~0.44g/L范围内,氯苯及CCl4振动拉曼光谱强度比与氯苯浓度呈线性关系,利用最小二乘法拟合得到线性相关系数为0.995。激光拉曼光谱技术具有快速、无损、样品无需预处理等优点。该研究为有机分子的低浓度测量及定量分析提供了一种可行的光谱测量方法。     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见的人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55nm的金纳米粒子溶胶为基底,在785nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10-17mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55 nm的金纳米粒子溶胶为基底,在785 nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10~(-17)mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取，提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息，然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练，提取空谱联合特征，最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理，可以实现端到端的训练，并且能够充分提取空间与光谱数据中的语义信息。结果表明，与其它基于深度学习的分类方法相比，本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度，有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

基于随机森林算法的食源性致病菌拉曼光谱识别

药品食品的安全问题一直是人们关注的重点。相比于传统的食源性致病菌光谱检测方法,拉曼光谱法具有检测范围广、检测灵活、光谱特征突出等特点。本文以常见的食源性致病菌为研究对象,利用拉曼光谱仪采集了11种食源性致病菌样品的132个拉曼光谱数据,提出了一种基于主成分分析和随机森林算法的分类模型。实验结果表明,主成分分析结合随机森林算法的分类模型可以将食源性致病菌区分开,且分类准确度可达到91.36%。     

基于深度学习的舌鳞癌拉曼光谱分割方法

拉曼光谱能够反映生物组织的分子结构变化，可用于舌鳞癌组织检测。然而，现有方法仅能够鉴别舌鳞癌组织属性，判断组织是否发生癌变，无法定位舌鳞癌组织拉曼光谱的重要谱带区域。因此，提出一种基于深度学习的舌鳞癌组织拉曼光谱重要谱带区域分割方法。首先，利用光纤拉曼光谱采集设备采集22位病人44块肿瘤组织的拉曼光谱数据，对数据进行预处理、标注，并分为训练集和测试集；然后，建立谱带区域深度卷积神经网络模型，该模型包括三个基本模块，即拉曼光谱特征提取网络、重要谱带推荐网络以及重要谱带回归网络。其中拉曼光谱特征提取网络用于提取舌鳞癌组织光谱特征，重要谱带推荐网络和重要谱带回归网络用于分割舌鳞癌组织光谱的重要谱带区域。实验结果显示，在交并比为0.7的判断标准下，所提方法对舌鳞癌组织重要谱带分割的平均精度为99%。     

基于维度注意力与多尺度卷积网络的脑电分类方法研究

针对脑电信号的非平稳性、时变复杂和分类准确率较低的问题,以及传统机器学习方法在提取复杂特征方面的不足,提出了一种基于维度注意力机制的多尺度时空卷积神经网络分类模型(DIMS-CNN),旨在提高分类准确率,以更好地适用于实际应用场景。首先,对数据进行带通滤波和去伪迹,并进行了降采样和通道选择等预处理;随后,将经过处理的数据输入构建的时空卷积模型中,为了进一步增强网络的特征提取能力,加入了时序和通道的多维度注意力机制以及正则化技术;对于数据量不足的问题,采用了频带互换的方法进行数据增强,且提高了模型的泛化性能。分别在HGD数据集和实验室自采集数据集上进行验证,获得了90.97%和90.21%的平均分类准确率,发现所提方法在分类准确率上有显著提高。     

基于拉曼光谱的乙肝与丙肝鉴别技术的研究

本研究利用血清拉曼光谱结合模式识别技术直接 对乙肝和丙肝进行分类。实验中 测量了480名乙肝患者和346名丙肝患者的血清样本用于分析。通过基线校正对采集到的原始 光谱进行预处理,然后使用主成分分析技术(PCA)降低光谱数据维度提取有效的光谱数据 特征,最后使用支持向量机(SVM)等算法评估乙肝与丙肝之间的差异。本文研究了粒子群 优化(PSO)和网格寻优(GS)两个不同寻优算法的支持向量机模型对乙肝患者和丙肝患者 分类,此外还通过学习矢量量化(LVQ),极限学习机(ELM),线性判别分析(LDA)等模 式识别算法对乙肝和丙肝分类与支持向量机模型进行了对比。在当前的研究中,PSO-SVM算 法模型取得了最佳的分类性能,准确率达到96.74%。本研究结果表明 ,血清拉曼光谱技术结 合PCA-PSO-SVM算法用于区分乙型肝炎和丙型肝炎具有很大的潜力,该技术可用于乙肝和 丙肝的区分。     

苯、吡啶及吡嗪分子的超拉曼和表面增强超拉曼光谱

用量子化学从头算法计算了苯、吡啶及吡嗪分子的超粒曼和表面增强的超拉曼光谱，并比较了理论计算与实验测量的结果，用Gaussian98中的密度泛函的方法计算分子的偶极矩、极化率和超极化率以及偶极矩、极化率的导数，而超极化率的导数则有限差分的方法来计算，为了检验有限差分法的准确性，用该方法计算了上述分子的红外和拉曼光谱，其结果与Gaussian98的计算结果高度一致，建立了基于有限差分法计算分子红外，拉曼，表面增强拉曼。超拉曼和表面增强超拉曼的光谱强度的方法，并编写了计算程序。     

基于全光衍射深度神经网络的矿物拉曼光谱识别方法

提出了一种基于全光衍射神经网络的矿物拉曼光谱识别方法。首先,分析矿物拉曼光谱的数据结构特征,对比分析了传统神经网络与光学衍射神经网络的异同,根据预处理后的数据构建光学衍射神经网络;然后,采用交叉熵损失函数和Adam算法对光学衍射神经网络进行训练,得到优化的网络参数;最后,在仿真条件下,验证和分析不同栅格高度精度对矿物识别正确率的影响,给出了不同栅格高度精度对应的网络正确率及正确率损失。该方法在RRUFF矿物拉曼光谱数据库上的测试结果显示:五类矿物识别正确率为94.2%,证明利用光学衍射神经网络进行拉曼光谱分类具有可行性,为光学衍射神经网络的应用提供参考;栅格高度在6 bit精度条件下,五类矿物正确率为93.6%,证明栅格高度离散化能够在保证网络正确率的同时极大降低光栅制作难度,为光栅制备提供理论支撑。     

拉曼光谱结合X射线荧光对口红的分类研究

建立了一种快速检验口红的方法,并利用拉曼光谱技术结合X射线荧光光谱法对28个口红样品进行了分类研究。利用拉曼光谱技术对样品进行分析测试,根据拉曼特征峰的不同可以有效地对其进行分类;利用主成分分析对数据进行处理,降维后的数据可解释全部信息的97.545%,结合Pearson相关性分析,验证了根据拉曼特征峰分类的科学性;结合X射线荧光光谱法对两类样品分组,根据Ca/Ti进行组内区分。结果表明,此方法简便快速、操作简单,且无需特殊的前处理,为公安机关侦查破案提供了一种新思路,在公安实践工作中有广阔的应用前景。     

基于近红外光谱和系统聚类法的蝗虫识别模型研究

以蝗虫的近红外光谱图作为分析的对象,采用聚类分析方法对蝗虫进行快速的识别研究.结果表明:矢量归一化预处理后的光谱数据经最长距离法进行聚类分析,分类结果正确率为100%.此法可为蝗虫自动侦测系统中识别蝗虫提供一种可靠、简便的手段,盲样检测的准确率可达91.67%.     

基于深度学习的高光谱影像分类方法研究

针对高光谱影像分类方法精度不足的问题，提出一种基于空间-频谱变换（Spectral-Spatial Transformer，SST）网络的高光谱影像分类方法。首先，将高光谱影像预处理为一维特征向量。然后，设计了具有光谱-空间注意力模块和池化残差模块的SST高光谱影像分类网络。本文所提出的分类方法在Indian Pines数据集和Pavia University数据集上的总体分类精度分别为98.67%和99.87%，表明此方法具有较高的分类精度，为高光谱影像分类及应用提供了一种新方案。     

利用纳米门电极增强拉曼散射

为了更好地了解表面增强拉曼光谱(SERS)的机制,并进一步提高增强因子,研制了具有高稳定性的纳米劈裂装置及芯片。结合纳米劈裂技术及SERS技术,在拉曼光谱测量的同时能非常精确地操纵两纳米电极间的距离以观察相应拉曼光谱强度的变化。发现拉曼光谱强度依赖于纳米电极的间距以及激光的偏振化方向。在利用两纳米电极作为增强体的基础上引入了纳米门电极,并观察偏置电压下的门电极对拉曼光谱信号的影响。实验结果表明,拉曼光谱信号的强度强烈地依赖于纳米门电极上所施加的偏置电压。实验为增强拉曼信号提供了新的方法,同时为拉曼光谱增强机制的理论研究提供了参考数据。     

基于图像处理的轨道表面病害检测研究

以钢轨为研究对象,结合图像处理技术,对钢轨表面质量进行检测。首先,对钢轨图像进行预处理,通过线性灰度变换对图像进行增强,并采用自适应滤波进行图像去噪;其次,采用Ostu阈值分割算法对预处理后的钢轨图像进行缺陷分割;最后,以离心率、矩形度和致密度作为分类依据,通过决策树分类法对钢轨表面缺陷进行分类。实验结果表明：基于图像处理的钢轨表面质量检测方法能够有效对钢轨缺陷进行检测,分割准确率为96.7%,分类准确率为90%,为钢轨表面质量检测提供了一种有效的检测方法。     

基于多特征联合的太赫兹药品检测方法

以药品为研究对象,利用太赫兹时域光谱系统对3种不同药品进行测量并提取折射率、介电常数和物质因子等多个特征参数,然后联合多个特征参数作为输入,采用后向传播(BP)神经网络、支持向量机(SVM)和学习矢量化(LVQ)3种机器学习方法分别对药品进行多特征联合检测分类识别。实验结果表明,多特征联合检测方法识别准确率能够达到95%以上,有效提高药品的检测分类准确度,可用于药品的检测和分类识别。     

拉曼光谱结合Adaboost算法的食源性致病菌分类识别

食源性致病菌的检测分类一直是食品安全领域的重要研究对象,与传统的病原菌分类方法相比,基于拉曼光谱的分类识别方法具有更高的灵活性和准确性.实验以常见食源性致病菌的拉曼光谱为对象,利用11种病原菌的132条光谱数据,提出一种基于主成成分分析(PCA)和线性判别分析(LDA)的Adaboost集成分类识别模型.实验结果表明,...