近红外光谱结合模式识别方法用于食盐溯源研究

应用近红外光谱分析技术,结合偏最小二乘辨别分析(PLS-DA)和支持向量机(SVM)两种模式识别方法用于5种食盐的品种追溯识别研究.将5种食盐250个样品分别在波长范围400~1 198 nm光谱条件下扫描并获取数据.从得到的每种食盐的光谱数据中随机选取34个样品利用SVM建立模型,用模型对其余16个样本进行预测,用网格寻优的方法选择最优参数,然后进行分类预测,5种食盐的准确识别率分别达到100%、93.8%、87.5%、100%和93.8%.通过PLSDA方法构建模型时采用二阶求导对近红外光谱数据进行预处理,并用留一法交互检验确定PLS模型的隐变量数,该模型对5种食盐的预测准确率分别达到93.75%、100%、100%、100%和100%,结果表明PLS-DA预测效果较SVM稍好.该研究为实现不同品种食盐的鉴定以及成品食盐的品种溯源提供了一种参考方法.     

高效通道注意力结合卷积神经网络的近红外光谱分析模型研究

近红外光谱分析技术有无损、高效的特点,在各领域都有广泛应用。但传统分析模型在面对近红外光谱数据量激增时往往出现预测精度不高、泛化能力差等问题。为此,提出一种基于卷积神经网络（CNN）与高效通道注意力（ECA）模块相结合的近红外光谱分析模型（CNNECANet）,该模型由8个一维卷积层、1个ECA模块、4个最大池化层、1个展平层、2个全连接层和1个参数优化器组成。ECA模块由1个全局平均池化、1个一维卷积层和1个Sigmoid激活函数组成。以啤酒、牛奶、柴油、谷物的近红外光谱公共数据为例,将CNNECANet与常用建模方法进行比较,CNNECANet比PLS的预测精度分别提高了30.3%、14.1%、29.5%、48.4%;CNNECANet比SVR的预测精度分别提高了33.5%、17.6%、39.0%、50.0%;CNNECANet比BP神经网络模型的预测精度分别提高了80.0%、29.0%、7.2%、42.7%。该模型具有更好的预测精度和鲁棒性,解决了传统近红外光谱建模算法容易出现过拟合、模型泛化性差等问题。     

近红外光谱技术在食用油种类鉴别及脂肪酸含量检测中的应用

应用近红外光谱分析技术分别建立了快速鉴别食用植物油种类的定性分析模型以及测定食用植物油主要脂肪酸含量的定量分析模型.实验根据19份食用植物油样品的近红外光谱,结合系统聚类方法建立了纯橄榄-芝麻-花生油定性识别模型,识别率和预测率可达100%.根据59个食用植物油样品的近红外光谱,结合模型优化方法建立了食用植物油中棕榈酸、硬脂酸、油酸3种主要脂肪酸含量的近红外定量分析模型,且模型指标较好.实验表明近红外光谱分析技术在食用植物油品质快速检测领域有很好的应用前景.     

基于神经网络集成的挥发分近红外回归模型

针对煤炭光谱特征信息分散的现象,提出了基于神经网络集成的挥发分近红外回归模型.该模型引入集成学习的思想,综合SOM,RBF,BP和Elman神经网络学习算法的优势,通过求各子模型的输出均值获得最终的预测结果.为了减小因算法参数设置不当而引起的学习误差,根据各网络算法的特点,利用经验知识、交叉验证和遗传算法优化模型参数.研究结果表明:经相同算法优化后,集成学习模型的性能明显优于单一神经网络,其最大误差小于3%,比单一神经网络小1～2倍.该方法有效地提高了模型的学习精确度,且具有较好的泛化性,适用于复杂多变的非线性煤质近红外回归问题.     

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.     

应用有效波长进行奶茶品种鉴别的研究

基于最小二乘支持向量机建模方法,提出应用奶茶在可见/近红外光谱谱区的有效波长进行其品种鉴别的新方法.用225个样本建模,75个样本进行预测.通过对光谱数据进行偏最小二乘法分析,根据载荷图和回归系数图选择鉴别奶茶品种的有效波长（EW）,并建立EW与最小二乘支持向量机（LS SVM）相结合的EW LS SVM模型,同时与应用主成分（PC）和小波变换（WT）建立的PC LS SVM和WT LS SVM模型进行判别准确率的比较.结果表明,应用EW、PC和WT建立的模型对建模样本的判别准确率均为100%,对预测集样本判别准确率分别为98.7%、98.7%和100%,获得了理想的鉴别效果.研究表明,应用可见/近红外光谱谱区的有效波长进行奶茶品种鉴别是可行的,且EW LS SVM模型能获得满意的鉴别精度.     

应用NIR高光谱成像技术检测羊肉脂肪和蛋白质质量分数

采用近红外高光谱成像技术(900～1 700 nm)对羊肉脂肪和蛋白质质量分数进行预测.通过近红外高光谱对72个羊肉样本进行高光谱图像采集,获取的光谱数据经过多元散射校正进行光谱预处理.通过回归分析选取对应的特征波长,利用BP神经网络结合脂肪和蛋白质的实测值,建立预测模型并对模型进行验证.结果显示,羊肉脂肪和蛋白质的预测模型效果较好.其中,脂肪模型的相关系数R和预测均方根误差RMSEP分别为0.91和0.73;蛋白质模型的相关系数R和预测均方根误差RMSEP分别为0.87和1.19.该研究表明,利用近红外高光谱成像技术预测羊肉脂肪和蛋白质质量分数是可行的.     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

多源非平衡交通检测数据的异常识别方法

为保证交通检测数据的准确性并服务于实时的交通状态判别和预测,交通大数据采用多种检测源数据协同处理并利用机器学习的方法进行异常识别.异常检测数据的识别主要基于机器学习中AdaBoost方法实现.在算法的训练过程中,为消除单一检测源数据的离群现象,训练数据选取同一路段上多种检测源提供的数据集.在算法的决策过程中,通过代价敏感方法的优势来改进AdaBoost的决策.实验结果表明:基于非均衡特性改进的AdaBoost模型迫使分类器更加关注了待识别的异常样本,增强了AdaBoost决策过程中训练决策树规则的代表性,提高了异常类样本的分类准确率.高速公路实例检测数据集验证了改进算法与相关经典算法的检测准确度、误检率、误警率等指标,其中改进模型与原模型相比,准确率提高了5.547%,误检率减低了6.792%.多种算法的ROC曲线对比表明改进的AdaBoost方法筛选交通检测样本的可靠度更高,可有效调整由非平衡数据导致的分类误差.     

多组分溶液近红外光谱检测算法研究

利用下一代红外光谱检测仪MEMS-FTIR,在基于近红外波段1 000—2 100 nm区域对多组分糖溶液进行检测,通过开源平台的R语言对实验中的近红外光谱数据进行数据分析和PLS算法研究,为下一代快速、便携式、移动平台光谱数据分析奠定基础。本次研究主要使用具有开源性质的R语言和近红外光谱PLS算法,PLS算法可以显著提高近红外光谱回归模型的有效性。在建立回归模型后,对模型的RMSEP系数和R2系数进行分析和比较,结果表明建立的多组分糖浓度的PLS回归模型拟合程度较高。     

基于增强的谱分析和奇异值分解的T波交替检测

针对传统谱分析方法在T波交替(TWA)检测中对噪声敏感的缺点,提出将增强的谱分析方法和奇异值分解方法结合起来的TWA检测方法.该方法利用奇异值分解得到去除了噪声干扰的心电信号,克服了传统谱分析方法只能检测平稳信号且需要增大心率的缺点,强调交替水平的重要性,即增强TWA功率谱上0.5cpb处的幅值,实现对TWA的有效分析.研究结果表明：该方法对T波交替数据库中30个人工合成并含有TWA的数据的检出准确率达93.33%,高于传统谱分析方法的TWA阳性检测率,能够提高交替比率.TWA检测率明显高于physionet网站中2008年挑战（TWA检测和定量分析）得分第一的算法实验结果（66.67%）,说明该方法具有更强的TWA识别能力.     

基于散点图的Landsat 8影像可调阈值的云识别方法

提出针对Landsat 8影像的云识别方法SARM.在对云及其他地物进行光谱分析的基础上,使用Landsat 8可见光到近红外波段（波段1~5）和热红外波段（波段10、11）,构建基于像元的波谱面积比值.利用归一化植被指数（NDVI）和波谱面积比值构建影像的散点图,采用高、中、低3种云识别置信区间,完成对云的识别.以3景不同地区的Landsat 8影像为例进行实验,每景选取具有代表性的3个区域,每个区域10 000个像元进行精度分析.结果表明：波谱面积比值增强了云和下垫面的差异,更利于区分;基于波谱面积比值和NDVI的散点图,能够清晰地展现不同地类条件下云的分布特征;利用可调阈值的提取方法能够满足不同研究目的对云识别的需求;与已提出的3种云识别方法相比,总体精度提高10%左右.     

A Feasible Atmospheric Correction Method to TM Image

In this paper, an atmospheric correction method to TM image is presented, which can simulate the atmospheric correction parameters, such as optical depth, sky radiance and path radiance at the time the satellite passes,by using interpolation among local meteorological records, parameterization models and dark pixels. The TM image of the Nanjing area in China was corrected by this method. For analyzing the accuracy of this method, the calculated reflectance, apparent reflectance and ground measured reflectance were compared. NDVI before and after atmospheric correction were also compared. The results show that the method is applicable and efficient in the visible to near infrared band of TM image. In order to improve the accuracy of the method, the infrared spectrum measured data for the two other bands of TM image are required in future field investigations. The method is suitable to many other satellite optical remote sensing images with the same or similar spectral characteristics of TM images.     

MIT中的一种基于全相位的IQ正交相位解调算法

针对MIT系统相位解调过程中信号非整周期采样以及奇异点对相位测量精度的影响,提出一种基于全相位的IQ正交算法,该算法通过对测得的数据进行全相位处理,再进行正交变换,从而有效提高了信号解调精度.通过实验表明,相对传统IQ正交算法,该算法能够降低信号非整周期采样以及奇异点对相位测量精度的影响,且计算复杂度低,运算速度快,能对相位差进行更为实时精确的测量.     

基于蒙特卡洛变量组合集群分析法的小麦蛋白质近红外光谱变量选择

小麦是我国重要的粮食之一,提高对小麦蛋白质含量预测的精准性对保证小麦质量具有重要的意义。采用不同地区的小麦共93个样本近红外光谱与化学值作为建模数据。首先利用小波包(WTP)对光谱信号进行降噪处理,消除外界噪音信号对光谱的影响。其次利用蒙特卡洛变量组合集群分析法(MC-VCPA)进行变量选择,最后利用偏最小二乘法(PLS)建立小麦蛋白质预测模型,并对预测集样本进行预测。对比其他的建模方法,MC-VCPA所选择的10个特征变量代替了全光谱256个变量,预测均方根误差(RMSEP)值由0.4974降低到0.3295,提高了33%,优于其他建模方法。结果表明,基于MC-VCPA的近红外光谱分析方法对小麦蛋白质含量进行定量分析是可行的。     

导弹包线高精度拟合中奇异型包线的处理

讨论了奇异型发射包线的处理在包线拟合中的重要性,针对过分奇异型包线的特点,提出了基于用压缩存储的样本包线直接进行模糊推理的处理方法.结合多关系式拟合-插值法和模糊逻辑逼近法,形成一套高精度、快速且内存需求量较少的奇异包线处理方法.仿真结果表明,该方法能有效地解决奇异型包线拟合时速度、精度和存储量之间的矛盾.     

Improved algorithm for detection of the malicious domain name based on the convolutional neural network

Aiming at the problem that the existing detection methods are not efficient in detecting the malicious domain name generated by the algorithm, especially the detection rate of several types of malicious domain names that are difficult to detect is low, an improved algorithm for detection of the malicious domain name based on the convolutional neural network is proposed. Based on the existing convolutional neural network model, this algorithm adds convolutional branches to extract deeper character-level features, so that both shallow and deep character-level features of malicious domain names could be extracted and fused simultaneously. A focal loss function is introduced as a loss function to solve the problem of sample imbalance caused by difficulty and quantity, which is used to improve the detection accuracy of hard-to-detect samples. The average detection accuracy of the improved algorithm for 20 types of malicious domain names is 97.62%, that is, 0.94% higher than that of the original algorithm, and the detection accuracy of four hard-to-detect domain names is increased by 3.71%, 4.6%, 11.18% and 17.8%, respectively. Experimental results show that the improved algorithm can effectively improve the detection accuracy of malicious domain names, especially for some hard-to-detect domain names.     

基于ETM＋的地物信息分层分类方法研究

该文基于青岛经济技术开发区及周边地区ETM＋数据,结合光谱特征阈值算法、遥感图像计算机分类法,人工目视解译对实验区土地利用信息进行分层提取。研究表明：正确地使用基于光谱特征阈值法和非监督分类法的分层分类法,能在一定程度上提高研究区的分类精度,分类总精度达80%,基本满足遥感分类与制图的要求。其中水体、滩涂、城镇居住区的分类精度较为理想,达83%以上;林地、裸地、农田以及农村居住区分类精度相对较低,还有待进一步研究。     

紫外-可见-短波近红外漫反射光谱结合化学计量学对丙氨酸的手性进行快速的定性定量分析研究

以D-、L-和DL-丙氨酸为对象,首次研究了紫外-可见-短波近红外漫反射光谱结合化学计量学快速、无损地定性、定量分析固体手性化合物的可行性。在粒度过100目、样品与光纤探头距离5.6mm的最优条件下测量漫反射光谱,经预处理后,采用主成份分析法（PCA）和判别偏最小二乘法（PLS-DA）建模进行定性分析,结果预测判别准确率为100%。定量分析上,16个不同比率的L-/D-丙氨酸二元混合粉末样的光谱经波长选择、光谱数据预处理后,以偏最小二乘回归法（PLR）和支持向量回归法（SVR）建模,校正集和预测集的最优决定系数（R2）均在0.99和0.98以上,绩效偏差率（RPD）值远高于2。研究表明,采用紫外-可见-短波近红外漫反射光谱法结合化学计量学可应用于手性固态丙氨酸的快速、无损分析,并有望于运用到手性药物的质量检测上。     

植被覆盖茂密区碳酸盐岩岩性的遥感识别——以灌江流域为例

由于茂密的植被覆盖,西南岩溶区在遥感图像上反映的大部分是植被覆盖层的光谱信息,而直接的岩性光谱信息很弱,因而利用遥感图像识别岩性,尤其是碳酸盐岩岩性的难度很大。以广西灌江流域为例,在植被茂密的南方岩溶区利用多源遥感数据,如ETM、SPOT、ASTER数据进行碳酸盐岩的计算机自动岩性识别。结果表明：多源遥感数据的岩性识别效果远大于单一类型的遥感数据;未进行融合的遥感数据的分类效果好于融合后的数据;利用高分辨率遥感数据的纹理图像参与分类,有助于提高分类的精度。最终,采用SPOT的4个多光谱波段、ASTER的14个波段、TM的6个波段3种遥感数据共24个波段加上4个SPOT纹理图像和3个ASTER可见光波段的纹理图像共31个波段组合进行岩性的自动识别分类,取得了82.01%的自动识别总精度。