一种广义噪声聚类的红外光谱茶叶品种鉴别研究

茶叶品种鉴别在茶叶的生产和销售中起着十分重要的作用。深入研究一种方法简单、易于操作、检测速度快的茶叶品种的鉴别方法,对于茶叶产品品种的鉴别有着十分重要的意义。利用红外光谱检测技术结合模糊聚类算法对茶叶品种进行快速鉴别是茶叶品种检测中最有效的和最实用的技术之一。为实现茶叶品种的快速分类,以快速广义噪声聚类(FGNC)为基础,提出一种新的广义噪声聚类(NGNC)。NGNC将FGNC目标函数中的欧式距离的平方扩展为欧式距离的p次方,提高了FGNC的聚类准确率。试验以优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶为研究对象,采用FTIR-7600型傅里叶红外光谱仪检测茶叶样本的红外漫反射光谱。首先用主成分分析(PCA)对茶叶的高维红外光谱进行降维处理,然后用线性判别分析(LDA)进行茶叶光谱数据的品种类别信息的提取,最后分别运行FGNC和NGNC两种聚类算法进行茶叶红外光谱的聚类分析。实验结果表明,同FGNC相比较,NGNC具有更高的聚类准确率,更快的收敛速度和更逼近真实的聚类中心。总体而言,采用红外光谱技术检测茶叶样本,同时结合PCA,LDA和NGNC可实现快速、准确地聚类茶叶的红外光谱,能有效地实现茶叶品种的鉴别分析,为实现基于红外光谱和模糊聚类的茶叶品种鉴别分析提供了一种新方法和新思路。     

41个茶花品种基因组DNA傅里叶变换红外光谱

研究的目的是通过全基因组DNA的傅里叶变换红外光谱(FTIR)对41种茶花品种进行聚类分析和品种鉴定。研究发现,41个茶花品种基因组DNA的FTIR光谱不同,方差分析显示,各茶花品种FTIR数据之间的差异显著,因而,红外光谱可以作指纹光谱鉴定茶花。通过系统聚类结合主成分分析,建立了41种茶花品种的标准聚类和识别模型。41种茶花品种基因组DNA样本的平均光谱的聚类正确率为92.68%,品种鉴定准确率为100%。聚类结果表明,在1.0聚类距离,41个山茶品种可分为9个类别,在15.0聚类距离下可分为3个大类。亲缘关系分析表明,滇山茶中的楚雄居群来自楚雄、腾冲和大理。结果表明：基因组DNA的FTIR光谱数据的系统聚类结合主成分分析可用于茶花快速分类和鉴定。     

41个茶花品种基因组DNA傅里叶变换红外光谱（英文）

研究的目的是通过全基因组DNA的傅里叶变换红外光谱(FTIR)对41种茶花品种进行聚类分析和品种鉴定。研究发现,41个茶花品种基因组DNA的FTIR光谱不同,方差分析显示,各茶花品种FTIR数据之间的差异显著,因而,红外光谱可以作指纹光谱鉴定茶花。通过系统聚类结合主成分分析,建立了41种茶花品种的标准聚类和识别模型。41种茶花品种基因组DNA样本的平均光谱的聚类正确率为92.68%,品种鉴定准确率为100%。聚类结果表明,在1.0聚类距离,41个山茶品种可分为9个类别,在15.0聚类距离下可分为3个大类。亲缘关系分析表明,滇山茶中的楚雄居群来自楚雄、腾冲和大理。结果表明:基因组DNA的FTIR光谱数据的系统聚类结合主成分分析可用于茶花快速分类和鉴定。     

FTIR光谱结合系统聚类分析的甜橙树苗鉴别研究

利用傅里叶变换红外光谱技术研究了7个不同甜橙树苗春梢叶片样品的红外光谱特征,结果表明,7个甜橙品种叶片样品的傅里叶变换红外光谱主要由纤维素和多糖的吸收带组成,其特征吸收峰频率位置基本一致,但在峰形、峰相对吸收强度上存在一定差异,尤其在1500～700 cm-1范围内的差异较为明显.通过对1500～700 cm-1范围内的二阶导数光谱进行系统聚类分析,结果显示系统聚类分析能把不同甜橙品种按亲缘关系远近进行聚类,实现对甜橙品种的快速鉴别与分类.因此,利用傅里叶变换红外光谱技术结合系统聚类分析对柑橘品种快速鉴别与分类具有一定的可行性,可作为甜橙苗早期品种鉴别的一种扩展手段.     

基于FTIR反射光谱-化学计量学方法的三种车前草分析研究

利用傅里叶变换红外光谱(FTIRS)法测定了同科同属不同种及不同产地的车前、平车前及北美车前草的FTIR,筛选出35个比较典型的吸收峰后结合化学计量学方法进行了亲缘关系的分析研究。系统聚类分析结果表明,在距离系数约为0.036的水平上三种车前草可划分为2个类群,其中,平车前在0.033的距离水平上首先与车前聚在一起,随即约在0.042的距离水平上与北美车前草一大组,该聚类结果与依据形态特征的传统分类学结果相一致。而对不同产地车前的FTIRS主成分分析结果表明,相同生态环境下采集的车前FTIR三维散点图中距离较为相近;而地域相差比较远的样品,在三维散点图上则显示较为分散。研究方法直观、科学,简单方便,具有很好的理论与应用价值。     

茶叶傅里叶红外光谱的可能模糊K调和均值聚类分析

茶叶的品种不同,其有机化学成分含量往往不同,其功效也是不尽相同的,因此,研究出一种简单、高效、识别率高的茶叶品种鉴别技术方法是十分有必要的。中红外光谱技术是一种快速检测技术,在用中红外光谱仪采集得到的茶叶中红外光谱中含有噪声信号。为了对含噪声茶叶中红外光谱的准确分类以实现茶叶品种分类,将可能模糊C-均值聚类(PFCM)思想应用到K调和均值(KHM)聚类,设计出一种可能模糊K调和均值(PFKHM)聚类算法,计算出PFKHM的模糊隶属度、典型值和聚类中心。可能模糊K调和均值聚类能有效解决K调和均值聚类的噪声敏感性问题。用傅里叶红外光谱分析仪(FTIR-7600型)分别对三种茶叶(优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰)进行扫描以获取它们的傅里叶中红外光谱。光谱波数区间是4 001.569～401.121 1 cm-1。先采用主成分分析法(PCA)将光谱数据压缩到20维,再采用线性判别分析(LDA)将光谱数据压缩到两维并提取鉴别特征信息。最后分别用K调和均值聚类和可能模糊K调和均值聚类实现茶叶品种分类。实验结果：当权重指数m=2,q=2和p=2时,KHM具有91.67%的聚类准确率,PFKHM聚类准确率达到94.44%;KHM迭代12次达到收敛,而PFKHM迭代11次就可以达到收敛。采用傅里叶红外光谱技术检测茶叶,用主成分分析和线性判别分析压缩光谱数据,再用可能模糊K调和均值聚类进行品种分类可快速、准确地实现茶叶品种的鉴别。     

FTIR结合主成分聚类用于伽师瓜籽品种的鉴别

采用衰减全反射傅里叶变换红外光谱(ATR-FTIR)法测定了3个不同品种的伽师瓜种子的傅里叶变换红外光谱,采用主成分和聚类方法进行数据分析,比较了不同品种伽师瓜种子之间的差异程度.结果表明:基于傅里叶变换红外光谱的主成分和聚类分析在反映不同品种植物种子化学组成差异程度上具有应用价值.     

模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的。研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义。在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法。FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息。用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4 001.569～401.121 1 cm-1。先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息。最后分别运行FCM和FUDCM进行茶叶品种鉴别。实验结果表明：当权重指数m=2时,FCM的聚类准确率为63.64%,FUDCM的聚类准确率为83.33%;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛。用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高。     

模糊协方差学习矢量量化的茶叶品种分类研究

茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2 500～25 000 nm的中红外区域,茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息,利用这一显著特点可以对其进行分类。提出模糊协方差学习矢量量化(FCLVQ),该算法在GK(Gustafson-Kessel)聚类的基础上,引入学习向量量化(LVQ)中学习速率的概念,用以控制模糊类中心的更新速率。FCLVQ结合中红外光谱,通过不断迭代计算样本模糊隶属度值和模糊聚类中心,实现对茶叶的快速精准分类。选取市场上的峨眉山茶叶、优质竹叶青茶叶、劣质竹叶青茶叶作为实验对象。将实验对象分为3组(每个品种各1组),每组32个,共计96个样本。利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据,每组样本采集三次,取其平均值作为样本的红外光谱数据。首先,由于原始光谱含有噪声数据,故使用多元散射校正(MSC)作降噪预处理;其次,由于光谱数据维数高达1 868维,采用主成分分析(PCA)将...     

模糊K-Harmonic-Kohonen网络的FTIR光谱数据聚类分析

食品的品种不同则其含有营养成分和功效存在差异,得到的傅里叶变换红外光谱也存在差异。为了准确的实现品种分类,设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中,提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率,以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心,可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。FKHKCN作为一种模糊聚类算法,可实现傅里叶变换红外光谱数据的聚类分析。采用三种数据集：(1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本,样本总数为96。(2)两个品种(robusta和arabica)的咖啡样本。(3)三个品种(鸡肉、猪肉和火鸡)的肉类样本。首先对三个光谱数据集进行预处理,利用多元散射校正降低茶叶样本原始光谱数据集的散射影响,使用Savitzky-Gol...