共识独立成分回归结合紫外光谱用于多组分同时测定

将独立成分分析用于紫外光谱定量分析,结合多模型共识的基本思想,建立了共识独立成分回归方法。从训练集随机取样建立一系列独立成分回归模型,选取其中性能较好的部分模型作为成员模型,并用这些成员模型预测未知样品。用该方法对苯甲酸、苯胺及苯酚3组分水溶液的紫外光谱进行分析,并与单模型偏最小二乘法了进行比较。结果PLSR对独立测试集中3种组分进行50次重复预测的平均RMSEP分别为2.349,7.413和1.605,RMSEP的标准偏差分别为1.781,2.918和1.266;而本方法重复50次预测的平均RMSEP分别为1.633,3.390和1.496,RMSEP的标准偏差分别为6.642×10^-3,6.573×10^-2和4.484×10^-2。可见,共识独立成分回归所建立的模型更加稳健和可靠,预测的准确性也明显提高。     

基于独立成分的局部建模方法及其在近红外光谱分析中的应用研究

建立了一种基于独立成分分析的局部建模新方法,该方法首先将独立成分分析(ICA)用于近红外光谱的特征提取,然后,根据所提取的独立成分选择校正集中与预测样本相邻近的样本构成校正子集,建立局部偏最小二乘(PLS)回归模型并对预测样本进行预测。将所提出的方法应用于烟草样品中尼古丁含量的测定,所得结果优于常用的全局建模方法。     

亚麻籽油成分的近红外分析研究

亚麻油是重要的灰保健油。亚麻油中各种组分的定量分析，以往多采用气相色谱法，存在着方法繁琐、耗时较长的缺点，不适合生产时产品在线分析的需要。本文采用近红外光谱法（NIR）对亚麻油各种组分模型化后再进行定量分析，取得了满意的结果，基本达到了快速、无损、在线分析亚麻油的目的。     

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。     

主成分分析——近红外漫反射光谱法对去痛片的非破坏性分析

用主成分分析研究了去痛片的近红红漫反应光谱，对标准化后的数据进行主成分分析可减小颗粒大小的变化所产生的散射的影响，第二主成分得分对第一主成分得分做图，可将合格样品同不合格样品区分开来，进行主成分回归分析，对去痛片含量较高组分进行预测，结果良好。     

用于近红外校正模型的训练样本选择

近红外(near-infrared,NIR)校正模型建立时传统的训练样本选择方法只考虑光谱欧氏距离的同类就近选取,不考虑光谱特征异常的训练样本的影响.基于主元分析(principal component analysis,PCA)残差,在同类就近取样的基础上引入异常光谱剔除技术进行训练样本的二次提取,用于建立偏最小二乘(partial least squares,PLS)回归模型.实验结果表明,该方法比传统方法的预测精度有较明显的提高.     

基于独立成分分析的高光谱图像有损压缩方法

提出一种结合小波变换和独立成分分析(ICA)的高光谱图像有损压缩方法。采用最大似然估计与最大噪声分离相结合的方法对原始高光谱数据进行维数估计。依据维数估计的结果在光谱方向上采用 ICA,在空间上运用离散小波变换。对于变换后的系数,使用多级树集合分裂算法和算术编码分别进行量化编码和熵编码。在机载可见光/红外成像光谱仪220波段高光谱数据上的实验结果表明,该算法可以在获得较高压缩率的同时,保留高光谱图像的光谱特性。     

独立成分分析方法在指纹提取中的应用

为了提高指纹图像识别的准确性和可靠性,先对指纹图像采用主成分分析(PCA)算法进行预处理,去除指纹图像的二阶统计特征相关.用ICA算法对加噪的指纹图像进行提取识别,并利用统计方法确定混合矩阵,实验表明:在一定的条件下,ICA能够很好地分离混合图像,提高准确性和可靠性.     

基于主分量和独立成分分析的多光谱目标检测

不同材料的物体具有不同的光谱特性, 基于这一原理, 可以利用多光谱图像数据对不同的目标进行检测。对于具有相似或相同外形特征( 颜色和形状) 的物体, 利用全色图像一般达不到检测与识别的目的; 利用传统的多光谱目标检测方法, 则因计算量较大, 识别精度低等, 达不到满意的效果。提出了一种基于主分量与独立成分分析相结合的多光谱目标检测的新方法。通过对多光谱图像数据进行主分量分析, 可以降低多光谱的维数, 去掉冗余成份, 保留其主要信息; 对降维后的数据再进行独立成分分析, 提取各种目标的光谱特性, 实现目标的检测与识别。将这两种方法有机的结合起来, 发挥各自的优点, 实现对多光谱图像目标快速的检测与识别。以真假树叶( 真树叶和塑料树叶) 为例, 验证了该方法的有效性和正确性。     

基于回归系数的变量筛选方法用于近红外光谱分析

提出了一种基于回归系数的变量逐步筛选方法。对光谱中各变量计算其回归系数后,按其绝对值由大到小将相应变量排列,采用PLS交互检验按前向选择法逐步选择最佳变量子集。用该方法对玉米和柴油近红外光谱数据进行分析,对玉米蛋白质、柴油十六烷值和粘度分别选择出了14、12以及30个最佳变量用于建模,所得预测结果均优于全谱变量建模的预测结果。可见本方法是一种有效实用的近红外光谱变量选择方法。     

新息模型的独立分量分析方法

为提高独立分量分析(ICA)算法的收敛速度与收敛精度,引入ICA方法的新息模型。通过新息的计算减少观测数据间的冗余进而增加了潜在分量的非高斯性。实验中利用具有弱相关性的图像信号进行仿真,通过与传统算法的比较证明了新方法能有效提高收敛速度和收敛精度。     

红外和近红外光谱法在中药定性分析中的应用

目的:为中药的光谱研究提供参考.方法:综述了近年来红外和近红外光谱法在中药定性分析领域的应用,并对2种光谱技术的特点进行了比较a结果与结论:红外和近红外光谱法具有全面、快速、客观、无损等优点,为中药质量控制提供了新的思路.     

近红外光谱技术快速测定当归中藁本内酯含量

基于近红外光谱技术,运用偏最小二乘回归(PLSR)方法实现当归中藁本内酯含量的快速、无损检测.采用高效液相色谱(HPLC)法测定当归中藁本内酯含量,一阶导数结合正交信号校正对原始光谱进行预处理,建立当归近红外光谱和藁本内酯含量之间的最小二乘回归定量分析模型.结果表明:模型在校正集上的均方根误差(RMSEE)、交叉验证均方根误差(RMSECV)和决定系数R2分别为0.199 9,0.3489和0.9932,在预测集上的预测均方根误差(RMSEP)和决定系数R2分别为0.23和0.9941.方法具有简单、快速、不破坏样品等特点,可用于当归中藁本内酯含量的快速检测.     

FUDT在苹果近红外光谱分类中的应用

苹果的分类是苹果采收后商品化处理的重要环节。为了快速、无损和有效地实现苹果的分类,利用近红外光谱技术采集四种苹果的近红外反射光谱,用主成分分析对高维的近红外光谱进行降维处理,分别运行线性判别分析,二次判别分析,模糊非相关判别转换和Foley-Sammon判别分析提取鉴别信息,用k-近邻分类器进行分类。分类结果表明,模糊非相关判别转换能更好地提取苹果近红外光谱的品种鉴别信息,达到了最高的分类准确率。     

Independent component analysis for texture segmentation

Independent component analysis (ICA) of textured images is presented as a computational technique for creating a new data dependent filter bank for use in texture segmentation. We show that the ICA filters are able to capture the inherent properties of textured images. The new filters are similar to Gabor filters, but seem to be richer in the sense that their frequency responses may be more complex. These properties enable us to use the ICA filter bank to create energy features for effective texture segmentation. Our experiments using multi-textured images show that the ICA filter bank yields similar or better segmentation results than the Gabor filter bank.     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

Independent component analysis for a low-channel SSVEP-BCI

Pattern Analysis and Applications - Generally, the more channels are used to acquire EEG signals, the better the performance of the brain–computer interface (BCI). However, from the...     

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.