水泥生料成分的近红外光谱分析方法研究

水泥是一种重要的基础建筑材料,对社会生产有着重大的影响,实现水泥生料成分的快速检测对建筑行业的发展具有重大意义。本文基于近红外光谱分析方法研究了水泥生料中的Al2O3、Fe2O3成分的含量检测,首先通过联合X-Y距离划分法对样品集进行划分,然后对训练集采用不同光谱预处理方法进行处理,最后采用偏最小二乘回归和支持向量回归分别对近红外光谱数据建立预测模型,并对预测结果进行分析比较。研究结果表明,采用S G平滑预处理和偏最小二乘回归建模的近红外光谱分析方法检测效果较佳,Al2O3检测模型的决定系数R2为0895,预测均方根误差(RMSEP)为0072;Fe2O3检测模型的决定系数R2为0732,RMSEP为0023。研究结果为水泥生料成分的检测提供了有效的分析方法,促进了水泥行业的进一步发展。     

苹果近红外光谱的预处理

原始近红外光谱数据含有大量的噪声信号和较大的数据量,所以在进行光谱数据分析之前对光谱数据进行预处理是非常必要的。近红外光谱数据的预处理主要有两个任务,一是降噪,提高模型的稳健性和预测结果的准确性;二是数据压缩,以便于数据的存储,提高建模速度。传统的近红外光谱数据预处理方法各有局限,很难在这两方面都得到令人满意的效果。将小波分析用于苹果近红外光谱数据的预处理,并选取峰值信噪比(Peak Signal to Noise Ratio, PSNR)和归一化相关系数(Normalized Correlation, NC)作为评价指标。与常用的Savitzky-Golay平滑滤波和多元散射校正相比,小波方法不仅能有效地实现数据压缩,而且在噪声去除和光谱细节保持等方面都具有优势。}     

用Daubechies小波软阈值法对近红外光谱数据进行预处理

提出了一种基于Daubechies小波软阈值的近红外光谱预处理方法,并用该方法处理了两类不同苹果的近红外光谱数据。该方法选用归一化相关系数(Normalized Correlation,NC)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)作为定量分析指标.与常用的矢量归一化法(Vector Normalization,VN)和标准正态变量校正法(Standard normal Variate,SNV)相比,该方法优势明显,既能有效去除噪声,又能很好地保留光谱的特征细节信息,提高了后续光谱分析过程中建模的稳健性和模型预测的精确度.     

近红外光谱技术在牛奶及其制品质量检测中的应用

近红外光谱技术作为一种新型的分析检测技术,正在获得越来越广泛的应用。本文阐述了近红外光谱技术的基本原理、具体检测步骤和国内近红外光谱技术在牛奶及乳制品质量分析方面应用的最新研究进展。对目前研究存在的问题进行了分析,对以后进一步的研究进行了展望,并提出了一些建议。     

近红外光谱分析技术的数据处理方法

介绍了近红外光谱分析技术原理及数据处理的重要意义,分析了光谱预处理的常用方法,最后比较了几种不同的光谱数据处理方法优缺点,总结了各自的应用进展.     

基于近红外光谱的西湖龙井茶产地的精细判别

不同产区的西湖龙井茶的品质具有差异。采用近红外光谱技术和光谱预处理、主成分分析和判别模型等数学方法鉴别了分别产自龙井村、梅家坞村和葛衙庄三个地区的西湖龙井茶。结果表明,二阶导数光谱预处理方法对去除近红外光谱中的噪音最有效,贝叶斯判别分析是这三个地区产的西湖龙井茶的最佳判别模型。在模型中输入5个主成分数后,最佳的原始判别率和交叉验证判别率分别为100%和82.35%。在交叉验证判别中,产自葛衙庄、龙井村和梅家坞的茶叶的判别正确率分别为80%、83.33%和83.33%。因此,该模型可以用于龙井村、梅家坞村和葛衙庄三个地区产的西湖龙井茶的鉴别,为西湖龙井茶产区的判别提供理论依据。     

用近红外光谱检测牛奶中的三聚氰胺

研究了用近红外光谱法快速定性和定量检测纯牛奶中三聚氰胺.实验分别配制了两组不同三聚氰胺含量的纯牛奶样品,用于定性和定量分析.通过近红外光谱与聚类分析法相结合,可将含有和不含有三聚氰胺的牛奶样品有效分类;结合光谱预处理和波长选择及模型优化方法建立的检测三聚氰胺的近红外定量分析模型具有较好的稳定性和预测能力.结果表明,近红外光谱分析是一种快速、方便和环保的检测乳制品中三聚氰胺的新方法.     

采用近红外漫反射技术对牛奶中蛋白质、脂肪检测

为快速、准确地测量牛奶中蛋白质和脂肪含量,本文采用自制近红外光谱设备,对漫反射技术进行了分析。实验过程中,利用多点平滑、快速傅里叶滤波、小波变换去除光谱信号中的高频噪音;根据光谱特征及测量目标分子特性来提取建模特征值,通过绘制牛奶成分残差分布图剔除奇异样本;对模型外的30个样品进行了预测,得出蛋白质和脂肪的平均相对误差分别为3.07%、2.37%。实验表明,近红外光谱分析技术可以准确检测牛奶中蛋白质和脂肪含量。     

直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法.利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型.实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息.PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少.牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳.校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化.     

中原地区古代陶器数据预处理研究

利用数据挖掘技术对中原地区古代陶器数据进行分析研究,会对探究古陶器的发展演变规律及中原地区各类型文化之间的传承源流、关系起到积极的推动作用。数据预处理作为数据挖掘过程的主要步骤,可提高数据质量和其后挖掘过程的准确率及效率。阐述了针对中原地区古代陶器数据具有的类型复杂、数据量大、不正确、不完整和不一致的特点,采用数据清理、数据集成和数据变换技术对其进行数据预处理,从而提高了数据挖掘模式的质量。     

基于分层聚类的并行数据预处理算法

分层聚类技术在图像处理、入侵检测和生物信息学等方面有着极为重要的应用,是数据挖掘领域的研究热点之一。针对目前并行分层聚类算法处理大数据集时速度较慢的特点,提出一种并行数据预处理算法,该算法可使原始输入数据的规模最多减少为原来的1/10,从而可减少总的并行分层聚类时间。在测试数据集上的实验结果表明使用本算法进行预处理后,能显著减少分层聚类的运行时间。     

Web日志挖掘数据预处理研究

数据预处理在Web日志挖掘过程中起着至关重要的作用.论文分析了Web日志挖掘数据预处理的主要步骤,设计了用户识别、访问操作识别和路径完善三个步骤的关键算法.实验结果表明,设计的关键算法是有效的.     

Web日志数据挖掘中数据预处理模型的研究与建立

数据的质量直的好坏接关系到数据挖掘的结果,因此数据预处理是Web日志数据挖掘首要的步骤,基于前期提出的几种数据预处理方法,提出了通用的Web日志挖掘的数据预处理模型,将Web日志数据的预处理分为5个步骤:数据清理、用户标识、会话标识、路径补充和格式化,并结合旅游网站进行了实例验证。证明该数据预处理模型是完全可行,并且具有良好的通用性和可扩展性。     

多模型预处理和关联度融合检测红外目标

基于对红外检测系统及识别方法的详细分析,研究了用于红外目标检测的算法多模型数据融合技术,设计了一种新的基于灰色关联度数据融合模型.该方法将多种目标检测算法结合起来,利用有限的预处理目标信息,依托n维空间中目标函数曲线之间的灰色空间距离关系来判断目标之间发展过程的相近性和相似性;从关联度分析出发,实现数据融合及红外目标的检测.该方法可以有效的提高红外目标的检测概率、降低虚警率和漏警率.它是以增加检测系统硬件复杂程度为代价,换取红外图像实时检测的可靠性和可信性的.     

近红外光谱在线分析系统及应用

介绍了在线近红外光谱分析系统的组成及技术发展,以及在食品加工业、农业、废弃物体自动分类、石油化工、制药与临床医学方面的应用。近红外光谱分析技术不需对样品进行前处理,可同时对多组分样品进行瞬间分析。与光纤的连用已使它被广泛应用于过程分析。近红外在线分析技术今后将向专用、小型化方向发展。     

被动红外易制毒挥发气体光谱数据预处理技术

由于信号强度低、环境复杂等因素会造成光谱杂乱和波峰不 明显,利用被动红外远程遥测技术难以准确地对易制毒化学品 气体进行定性检测,即使采用基本的数字滤波算法也无 法有效解决这些问题。为此提出了一种基于卡尔曼/维 纳叠加的滤波算法。通过用该算法对光谱信号进行预处理,可以有效提高后期 波峰匹配的定性检测的准确性。基于改进的算法对采集到的 实验数据进行了验证。结果表明,与其他滤波算法的 处理效果相比,本文方法可以对干扰信号进行有效 过滤,并且可以对特征峰进行准确识别。