重型α地中海贫血红细胞的拉曼光谱

采用光镊拉曼光谱(LTRS)方法收集一例重型α地中海贫血患者单个红细胞的拉曼光谱,分析同一群体内不同细胞间的光谱差异,从中了解地中海贫血红细胞的病理过程.结果发现,重型α地中海贫血患者红细胞的拉曼光谱信号显著低于正常对照,并检测到一定比例的有核红细胞;正常对照的红细胞拉曼光谱均一,而重型α地中海贫血患者的细胞形态和拉曼光谱均显示出多样性;中等大小、形态接近正常的一类红细胞,其细胞问光谱差异最大;单细胞拉曼光谱可观察到部分外表形态正常的红细胞,其血红蛋白可能发生了血红素凝集和蛋白质变性.     

基于PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

基于PCA的BP神经网络在信息安全中的应用

本文基于PCA方法,详细阐述了基于PCA的BP神经网络的信息安全管理方法。文章先分析了PCA技术的基本内容,之后基于BP神经网络的信息安全需求,详细讨论了该技术的应用方法与路径。从本文研究结果可知,在信息安全管理中PCA技术具有明显的优势,所以技术应用阶段,需要进一步了解PCA技术的特征,并创新技术应用路径,这样才能有效杜绝信息安全事件的发生。     

基于拉曼光谱的口罩物证检验方法研究

为分析口罩材质,建立口罩物证鉴别方法,试验用拉曼光谱仪检测107个口罩纤维样品,研究黑色、粉红色、蓝色染料对口罩纤维拉曼光谱的影响程度,基于主成分分析和相关性检验法对不同品牌、相同品牌不同批次的口罩进行区分,并实现未知品牌口罩的预测。研究表明,在拉曼特征峰相同的条件下,通过分析口罩纤维拉曼强度的差异和主成分得分图可快速找到与未知品牌相关性最强的口罩。在犯罪现场模拟试验中,未知品牌与相似品牌在主成分得分图中显示的距离最近,Pearson、Kendall Rank和Spearman 3种相关系数最大分别为0.932、0.799、0.942,据此找到了与未知品牌相似度较高的口罩。该方法缩小了物证搜查范围,可为公安办案寻找线索提供依据。     

一种基于GA-BP神经网络结合PCA的LCD显示器光谱特征化模型

为实现LCD显示器的光谱特征化,本文提出一种基于遗传算法优化(Genetic Algorithm,GA)的BP神经网络(GABP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分,同时采用PCA对光谱数据进行降维,接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化,建立显示器驱动值与光谱数据之间的神经网络模型,实现了显示器的光谱特征化。实验结果表明子空间划分后,在子空间中进行模型参数的优化有利于模型整体精度的提高,GA的优化有效改善了BP神经网络的极值问题,提高了模型的精度,PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。     

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%。     

基于拉曼光谱的鼻咽癌与正常鼻咽细胞株的分类研究

高空间分辨率的共聚焦显微拉曼光谱技术从分子水平上提供了生物分子成分和结构的指纹性信息。以鼻咽癌细胞株C666-1、CNE2和正常鼻咽细胞株NP69为对象,利用拉曼光谱探索和分析癌细胞株与正常细胞株之间的差别。结果表明:谱峰比I1449/I1657(1.10)可以准确地将鼻咽癌与正常鼻咽细胞株分成两组,这一结论与相关支气管癌组织的报道结果一致;此外,采用主成分分析方法说明3种细胞株的拉曼光谱之间存在统计学差异,并以线性判别分析方法对其进行统计划分,灵敏度和特异性分别达到90%和100%。这些结论可以为拉曼光谱技术用于NPC的临床诊断提供依据,并有可能为鼻咽癌的早期诊断提供有益参考。     

基于改进BP网络的甲烷传感器温度影响试验研究

温漂会影响催化甲烷传感器检测精度,为减小这种影响,提高传感器检测精度,本文在不同温度环境下进行甲烷传感器环境影响实验,并利用一种基于主成分分析的BP神经网络温度补偿模型对实验数据进行处理,补偿温漂对检测精度的影响,结果表明:本文提出的模型能提高甲烷传感器的稳定性和准确性,减少温漂的影响.     

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。     

基于PCA和BP神经网络的步态识别系统研究

步态识别是生物特征识别技术中的一个新兴领域,它根据人们走路的个体特点进行身份识别,具有非侵犯性、难以隐藏、对系统分辨率要求低、远距离识别等优点,已成为基于视觉的人体运动分析的研究热点。该文提出了基于主成分分析(PCA)的特征提取方法,有效地对高维步态轮廓特征进行降维,再利用BP神经网络进行特征分类识别。实验结果表明,算法达到了较高的识别率。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

基于改进BP神经网络的洪峰预测模型

BP神经网络擅长对数据模型进行预测,通过模拟退火遗传算法的引入,对原始BP网络进行改进,对比分析两种算法的流程及效率,同时在洪峰预测模型上进行试验,观察两者的数据结果,并分析误差和效率,发现改进BP网络优于原始BP网络,在实际工程应用中值得推广。     

基于BP神经网络的产品寿命分布类型选择

产品寿命分布类型选择问题,是可靠性工程中的一个重要问题。在分析了几种可靠性寿命分布类型识别方法的基础上,设计了一种基于BP神经网络的可靠性寿命分布类型选择方法,并进行了计算机模拟验证。结果表明,该方法原理简单,算法易以实现,便于工程应用。     

基于BP神经网络的表面硬度预测模型

运用MATLAB中BP神经网络强大的数据预测功能,并结合VB编写的用户操作界面,建立了基于BP神经网络的表面硬度预测模型。对该模型进行训练和仿真后,其所得到的结果与实际测量值相差较小,能够达到模型预测的要求,有较好的工程实际意义。     

PSO优化BP神经网络入侵检测模型

文中提出了一种基于变惯性因子粒子群优化的BP网络学习算法。该算法用PSO算法代替了传统的BP算法,克服了BP算法易陷入局部最小值的不足,并且将该算法应用于入侵检测中。在预处理数据时,采用了信息增益的方法,提取出含信息量多的特征作为BP网络的输入向量。通过实验仿真比较,证明了该算法的收敛速度快,迭代次数少,准确率较高。     

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析，提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习，然后再结合模糊模式识别的思想进行手写数字识别。实验证明：该算法与传统的手写数字识别算法相比，识别率明显提高。经过推广，该算法可应用于汉字识别、人脸识别等领域。     

基于BP神经网络和主元分析法的数码相机光谱重构算法

从数码相机的RGB信号重构物体表面的光谱反射率是光谱颜色管理研究中的重要课题之一。提出了一种基于误差反向传播前馈神经网络(BP)和主元分析法(PCA)实现色卡的表面光谱反射率重构的新算法。通过对三种色卡进行光谱重构实验研究了BP神经网络的最优结构和主元数的最佳选择,验证了算法的精度。实验结果表明,采用适当的BP神经网络和主元分析相结合的新算法能够精确重构同类色卡的表面光谱反射率。     

一种基于分布式算法的数字鉴频方法

针对传统接收机中模拟鉴频方法的缺点,提出了一种基于分布式算法的数字鉴频方法。与其他数字鉴频方式不同,该算法无须进行鉴相,而直接采用一阶差分计算目标信号多普勒频移,便于在可编程数字器件中实现,实时计算目标———雷达径向速度。