基于深度信念网络的烟叶部位近红外光谱分类方法研究

近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络（DBN）的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值;并结合支持向量机（SVM）建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明:DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系,由该算法构建的模型具有良好的特征学习能力和分类识别能力,而且在稳健性、各类别的灵敏度和特效度也更优。     

基于特征融合的减肥药太赫兹时域光谱模式识别

为打击不法分子利用寄递渠道运输掺杂有毒有害等非食品原料的减肥药的现象，提出一种基于太赫兹时域光谱技术的减肥药模式识别方法。与传统方法相比，太赫兹光谱的时域频谱信噪比高，具有快速、省时和无损等特点。选用7种减肥药作为实验样品，采集样品的太赫兹时域光谱，用自动寻峰器找到0～0.19 THz、1.75～2.14 THz、2.23～2.5 THz三个特征频率区间；采用希尔伯特变换、巴特沃思低通滤波器、快速傅里叶变换低通滤波器、标准正态变换后的一阶导数处理特征频率区间，并对处理结果与原始光谱进行特征数据融合；采用粒子群优化最小二乘支持向量机和随机森林模型对原始数据和四种方法融合的数据进行分类识别。实验结果表明，粒子群优化最小二乘支持向量机模型对经过希尔伯特变换的光谱特征融合数据具有最佳的识别效果，准确率可达到100%，对法庭科学中减肥药的鉴别有一定借鉴意义。     

基于太赫兹时域光谱技术与PCA-SVM的转基因大豆油鉴别研究

太赫兹时域光谱（THz-TDS）技术是基于飞秒超快激光技术的THz波段光谱测量新技术,具有较强的光谱分辨本领以及良好的透视性和安全性,在物质检测方面具有广泛的应用价值。文中在采用太赫兹时域光谱技术对转基因大豆油光谱检测的基础上结合主成分分析方法（PCA）及支持向量机（SVM）,构建PCA-SVM模型对转基因大豆油进行鉴别。首先,从样品在太赫兹波段测得的时域光谱中得到其吸光度光谱;然后,将其作为输入源导入PCA-SVM模型中,剔除冗余数据、降低数据维数并鉴别。实验结果表明,所建立的PCA-SVM模型能准确识别校验集,可以准确地对转基因大豆油进行鉴别。研究结果表明:太赫兹时域光谱技术可以实现转基因大豆油的快速、无损检测,在食品安全领域有广泛的应用前景。     

用支持向量机识别毒品的太赫兹吸收光谱

在采用太赫兹时域光谱(THz-TDS)技术对9种常见毒品纯品和3种混合物进行实验研究,并得到它们在0.2～2 THz频率范围的特征吸收光谱的基础上,用支持向量机(SVM)对毒品纯品和混合物的太赫兹吸收光谱进行了识别分类.用归一化预处理后的9种毒品和面粉的太赫兹吸收光谱训练libsvm模型.选用与训练光谱不同时间测得的毒品和混合物的太赫兹吸收光谱作为检测光谱,经过归一化预处理之后分别输入到训练好的libsvm模型中进行识别,识别率达100%.识别结果允分表明,用支持向量机可以实现对不同种类毒品的识别和鉴定,为太赫兹光谱技术用于毒品的检测和识别提供了另一种有效的方法.     

基于差分-主成分分析-支持向量机的有机化合物太赫兹吸收光谱识别方法

针对有机化合物的太赫兹时域光谱数据,提出了一种基于差分-主成分分析(PCA)-支持向量机(SVM)的有机化合物识别方法。基于物质样本的太赫兹时域信号计算得到太赫兹吸收光谱,对0.2～2.5 THz频率区间内的数据进行特征提取。在特征提取中,提出了基于差分数据的样本容量扩充方法,并结合PCA进行了特征的提取。利用SVM建立了提取的特征与物质类别对应关系的数学模型,并根据建立的模型对未知样本进行了识别研究。利用所提方法对15种有机化合物的太赫兹光谱数据进行了识别,正确识别率为93.33%。将所提方法与线性判别分析法及吸收峰频率-幅值法进行了对比,结果表明基于差分-PCA-SVM的有机化合物识别方法的正确识别率最高。     

基于主动标记支持向量机和太赫兹光谱的转基因物质检测方法研究

为克服传统支持向量机需要事先对训练样本进行 人为标记的缺点,提出了一种主动训练 支持向量机模型。利用仿射传播聚类算法对未标记样本进行聚类分析,在迭代过程中 不断更新现 有支持向量机的训练数据,从而不仅可以减少人为标记样本所带来的误差,还能够最大限度 地提高模型的识 别准确率。本文以转基因棉花的太赫兹光谱数据为研究对象对该模型进行了验证,实验结果 表明,本文 提出的方法对总待测样品的种类的识别率为95.56%,较其他三种方法 有较少的误判和更高的识别率。 基于仿射传播聚类的支持向量机较传统支持向量机有更高的识别率和更低的误判率,为转基 因物质的检测提供了一种快速,无损的新方法。     

基于机器学习的太赫兹光谱分析与识别

国内对转基因作物的监管非常严格,但是对转基因作物的检测缺乏快速准确的计量方法。太赫兹时域光谱结合机器学习分类算法可以实现对转基因作物快速有效地检测识别。通过太赫兹时域光谱技术提取了2种转基因油菜种子和一种非转基因油菜种子的太赫兹吸收谱,朴素贝叶斯算法、基于朴素贝叶斯的自适应提升算法、主成分分析结合随机森林算法、主成分分析结合支持向量计算法被应用于转基因油菜种子的太赫兹吸收谱的分类识别。通过实验对比,基于朴素贝叶斯的自适应提升算法获得了高达96.6%的检测准确率。该研究为运用太赫兹光谱技术手段开展转基因作物的快速检测提供方法参考。     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

基于太赫兹时域光谱技术的四种基原郁金的鉴别研究

郁金作为行气活血、通经止痛的要药,近年来受到广泛的关注.为了对四种郁金的道地性和基原进行鉴别和质量控制,采用太赫兹时域光谱技术结合化学计量法(支持向量机法、主成分分析法)对郁金的四种基原进行分类和鉴别.构建了斜坡耗损多类支持向量机(Ramp Loss K-SVC)法、随机森林(RF)法和极限学习机算法(ELM)的三种模型对四种不同基原的郁金进行区分,并开发了Ramp Loss K-SVC方法,优化了模型参数,使四种郁金的鉴别率提高至93％.该研究为容易混淆的四种基原郁金鉴别提供一种新兴的鉴别技术.     

近红外光谱技术在快速鉴别南蛇藤品种中的应用

提出了一种利用近红外光谱技术对南蛇藤品种进行快速无损鉴别的方法。收集了6种南蛇藤样本,并用光谱仪获得了它们在12493～4000 cm^-1范围的光谱曲线。通过用主成分分析法对预处理后的光谱数据进行聚类分析,获得了10个主成分。再结合不同的化学计量分析方法建立了品种鉴别模型。由于主成分1和2上的得分分布对不同样本的聚类效果明显,可根据得分分布定性地区分南蛇藤品种。从220个样本中随机抽取165个样本作为建模集,并将其分别用于建立线性鉴别分析、人工神经网络和支持向量机模型。剩下的55个样本用于预测验证。经过主成分数的优化,鉴别精度均达到了100%。结果表明,本文提出的方法对南蛇藤的品种具有很好的分类和鉴别作用。     

β-内酰胺类抗生素药物的太赫兹光

-内酰胺类是临床上应用最广泛的抗生素,具有广谱、高效和安全的特点。抗生素的鉴别和质量检查非常重要。相比其他光谱手段,太赫兹光谱具有许多独特的优势。利用太赫兹时域光谱（THz-TDS）技术在常温下研究了6种临床常用抗生素类药物,获得了它们的太赫兹吸收光谱。测试结果表明:即使分子结构相似,但它们的太赫兹光谱具有明显不同的特征,说明THz-TDS技术能够鉴别这种分子结构的微小差异,可以很好地用于药品检测和分析,在药品的研制、生产和鉴别方面具有很好的应用前景。最后利用Gaussian 03软件计算了青霉素钠分子在0.2~2.5 THz的振动吸收光谱,与实验结果进行比较,并对其振动模式进行指认。     

太赫兹光谱数据库的建立和使用

为了将太赫兹光谱分析技术应用于物质识别领域,需要建立太赫兹波段的光谱数据库,并研究合适的数据库使用方法,以鉴别未知物质。光谱获取采用自行搭建的太赫兹时域光谱测量系统,通过小波变换去除基线和噪声等干扰信息,建立起含有20种典型有机物的光谱数据库。使用该数据库识别未知物质时,分成两步:1)用径向基函数神经网络算法判断未知物质是否在数据库中;2)若在数据库中,采用基于纠错输出编码的支持向量机多类算法鉴别物质种类。测试结果表明,对库内物质识别率为96.7%,对库外物质也有较好的预测和推断能力,识别率为93.2%。提出的太赫兹光谱数据库建立和使用方法,对系统噪声等干扰因素有很好的抑制作用,可以应用到实际场合。     

LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究北大核心CSCD

塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键。本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别。利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱。对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-BP神经网络和GA-SVM模型。实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25%,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络。因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路。     

改进的通信调制信号谱相关识别方法

传统谱相关分类法利用不同信号在a截面上所表现的不同谱相关特征可对通信信号进行分类,需要提取六种特征参数。文章结合小波分析法估计信号的码元宽度Tt,利用谱相关提取的三种特征参数,可对常见八类调制信号进识别。仿真表明,该方法具有很好的识别效果。     

基于太赫兹光谱成像技术的智能处理方法分析

太赫兹图谱的智能处理技术可以将样本的特性提取出来,并有目的地加以分类和识别,能够提高太赫兹成像的准确性,是太赫兹成像技术发展的重要标志和方向。介绍了几种智能处理太赫兹成像技术的方法的基本概念和原理,分析了它们的优缺点,并从实际应用场景出发对空间成分识别、化学模式识别、人工神经网络做了具体的分析及分类。     

Research on the identification of the production origin of Angelica dahurica using LIBS technology combined with machine learning algorithms

The origin of Angelica dahurica medicinal herbs varies, and their pharmacological effects also differ. In order to achieve rapid and accurate identification of the origin of Angelica dahurica medicinal herbs, this study utilizes laser induced breakdown spectroscopy(LIBS) technology combined with machine learning algorithms to identify the original source of Angelica dahurica. Sliced samples of Angelica dahurica were taken from four regions: Hebei, Henan, Zhejiang, and Sichuan. The spectral data ...     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

支持向量机在模式识别中的应用

针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题,研究了基于支持向量机（SVM）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究,分析了支持向量机的分类与泛化能力。支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别,通过多组蒙特卡罗试验,获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。