偏最小二乘法-近红外漫反射光谱法快速分析西米替丁粉末药品

研究了用偏最小二乘法(PLS)同近红外漫反射光谱结合,对西米替丁粉末药品进行快速定量分析的方法,建立了最佳的数学校正模型.讨论了波长间隔和主成分数对PLS定量预测能力的影响,预测了未知样品,结果令人满意.     

短波近红外光谱-偏最小二乘法非破坏分析复方头孢氨卞片

本文应用偏最小二乘法(PLS)同短波近红外漫反射光谱相结合,对复方头孢氨卞片进行了无损非破坏定量分析,以样品中头孢氨卞和甲氧卞啶为活性成分建立了最佳的数学校正模型.分别讨论了三种预处理光谱,即标准归一化(SNV)、一阶导数和二阶导数光谱中主成分数对PLS定量预测能力的影响,证明使用SNV预处理光谱更有优越性.     

短波近红外光谱的盐酸环丙沙星粉末药品的定量分析

利用漫反射法获得环丙沙星短波近红外光谱(700-1100nm),采用化学计量学中的偏最小二乘法(PLS),选取不同的波长范围及不同的光谱预处理方法(一阶导数和和二阶导数)对光谱进行信息提取和分析,对盐酸环丙沙星粉末药品进行了无损非破坏定量分析,以样品中盐酸环丙沙星为活性成分建立了最佳的数学校正模型.讨论了主成分数对PLS模型定量预测能力的影响,并做了比较.     

短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。     

短波近红外光谱结合v-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别.分别采用马氏距离判别法、C-支持向量机(C-SVM)、v-支持向量机(v-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果.结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,v-SVM分类模型的效果最佳;训练集交叉验证正确率为100％,测试集正确率也达到100％.该模型快速准确无损的鉴别淀粉种类是可行的.     

近红外漫反射光谱结合神经网络法快速分析复方氨酚苯海拉明药品

用近红外漫反射光谱结合人工神经网络法对复方氨酚苯海拉明粉末药品进行快速定量分析,采用一阶导数、二阶导数和标准归一化(SNV)方法对原始光谱进行处理,建立了最佳的数学校正模型.同时预测了未知样品,预测结果令人满意.     

集成层级图注意力网络检测非均衡虚假评论

作为机器学习当前一大热点,图神经网络（GNN）模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚假评论的识别效果不甚理想。针对这种特征异构和数据分布不均衡的问题,将评论系统进行异构网络建模,提出一种新的集成层次图注意力网络（En-HGAN）识别方法。通过融合层次注意力结构,更加充分地利用异构网络中丰富的用户行为信息,为评论学习更加丰富的语义表征,并在集成学习Bagging框架下集成多个差异化的HGAN子模型,使用随机欠采样策略实现基学习器多样性聚合,从而减少有效信息丢失,增强对欺诈评论的检测能力。在YelpChi与Amazon真实数据集上的实验结果表明,En-HGAN方法具有良好的异常探测性能,和当前一些最新的方法相比,在数据类别倾斜分布的应用中显示En-HGAN方法对欺诈实体具有不错的鲁棒性。