烟草中多酚类物质的超高效液相色谱指纹图谱及聚类分析

利用超声萃取-超高效液相色谱法对30个烟草样品（4个品种）的多酚类物质进行了快速分离与检测。实验以7个主要共有峰为评价指标,采用“计算机辅助中药指纹图谱相似度计算软件”计算处理,建立了不同种类烟草中多酚类物质的UPLC指纹图谱,并对烟草样品进行了聚类分析。结果表明：这种基于烟草多酚指纹图谱的分析策略是一种可同时实现整体性、模糊性分析且简便易行的方法模式,为烟草识别及烟草制品的质量控制提供了部分科学依据。同时该方法具有操作简单快速,精密度、稳定性和重现性良好等优点。     

一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

灰度关联分析结合支持向量机用于近红外光谱研究

灰度关联分析是通过关联度的计算来理清系统中各因素之间的主次关系,找出影响较大的因素。简述了灰度关联分析的基本原理,并利用其对180个烟草样品的近红外谱进行了谱区优化,选取其中120个样品用于建模,另外60个样品用于模型检验。进一步利用偏最小二乘法和径向基支持向量机法分别建立了烟草样品的总糖、还原糖、烟碱及总氮的定量分析模型。结果表明,将灰度关联分析与支持向量机法联合用于烟草近红外光谱四个组分的定量分析,其模型的泛化能力和预测精度均有较明显的提高,从而能够有效地提高建模效率。     

天登烟挥发性香气成分的聚类分析

为更为系统的了解天登烟的品质特点,采用同时蒸馏萃取-气相色谱/质谱法分析了烟叶样品中挥发性香气成分,并结合DSP软件对18个烟叶样品中13个成分峰按欧式距离类平均法进行了聚类分析。结果表明,各天登烟样品可以有效地聚为一类,特别是2003年的样品差异非常小,进一步说明,天登烟自身的香气特征风格突出,在烟草主要特征香气成分含量与组成方面同国产香料烟与烤烟较为接近,而与白肋烟、晒黄烟之间的差异均较大。     

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.     

小波聚类方法和近红外光谱技术用于药片种类判别

对310个药片样品的近红外光谱数据进行了聚类分析。首先使用小波变换对光谱数据矩阵进行多尺度分解,在进行有效压缩之后,采用经典分类方法对合适选取的小波系数组合进行聚类分析,提出了小波聚类方法。该方法分别用于实验室药片、中试药片和规模生产药片样品的分析,按药片样品的组成得到4个类别。结果表明,对实验室药片和中试药片样品分类的精确度均达到100%;对于规模生产药片的分类,共120个样品中只有1个样品被错误划分,精确度也高达99.2%。近红外光谱技术结合小波聚类方法的聚类性能是令人满意的,相比经典聚类分析,更加快速、易于使用,对制药行业药片质量以及成本控制均有积极作用。     

近红外光谱法快速检测烟草中总多酚含量

应用傅立叶变换近红外漫反射光谱仪,采集340个样品光谱图,经优化挑选出具代表性的244个烟草样品建立了近红外光谱与烟草中的多酚含量间的数学模型,用建立的模型对20个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均标准偏差为0.10;且近红外预测值与化学法不存在显著性差异,可用近红外光谱快速检测烟草中的多酚含量,具有简便、快速、低成本、无污染以及样品的非破坏性等优点.     

叶片衰老影响木兰科植物聚类的FTIR研究

傅里叶变换红外光谱(FTIR)结合聚类分析技术应用于木兰科植物不同亚族分类,研究了叶片衰老对聚类分析效果的影响。测试了木兰科三个亚族14种植物的幼叶、成叶、老黄叶红外光谱,结果显示三个亚族植物叶片红外光谱差异不大;同种植物叶片不同生长期的红外光谱吸收峰位置基本一致,但一些特征峰的峰强有变化;用1 800～700 cm-1范围二阶导数光谱结合聚类分析,发现成叶二阶导数光谱聚类分析能够正确对样品分类,幼叶和老黄叶二阶导数谱聚类分析效果不如成叶,说明叶片衰老过程化学成分变化影响聚类分析效果,聚类分析时取成叶样品为好。     

同步荧光光谱分析法在海面溢油鉴别中的应用研究

为了实现海面溢油快速筛选和鉴别,文章提出了应用同步荧光光谱技术结合系统聚类分析方法鉴别海面溢油的方法,并应用于不同原油样品及风化油样的分析。结果表明,选择波长差为25nm,采用300～500nm范围内数据进行聚类分析,可以将原油样品和风化样品完全区分开,不同海区、不同采集时间的原油样品可大致分开。作为溢油鉴别的一种辅助方法,同步荧光光谱分析法能够对可疑油源及溢油样品实现初步筛选。     

三种烟草品种基因组DNA傅里叶红外光谱研究

利用傅里叶红外光谱(FTIR)研究三种烟草品种DNA的差异,旨在对烟草品种进行亲缘关系分析和品种鉴定。研究结果显示,三种烟草品种DNA红外光谱较为相似,均有四个明显的特征峰,1 103 cm~(-1)是DNA磷酸二酯键的对称伸缩振动,1 236 cm~(-1)是DNA磷酸二酯键的非对称伸缩振动,1 400 cm~(-1)是DNA糖苷键的伸缩振动,I 622 cm~(-1)是DNA中是胞嘧啶C4—C5=C6的环伸缩振动。通过平滑、标准化处理、二阶求导、提取主成分和系统聚类分析建立了DNA FTIR光谱数据聚类分析模型。使用该模型对三个烟草品种进行鉴定,鉴定正确率为100%。使用该模型对三个烟草品种进行亲缘关系分析,云烟87与K326聚为一类,距离系数为0.003,DNA相似度为99.7%,红大单独聚为一类。聚类正确率达100%。该项研究为烟草品种鉴定及遗传育种提供了参考。     

Quality Control of Pharmaceutical Aspirin Powder by Near-Infrared Reflectance Spectra and Multivariate Analysis

Quality control of pharmaceutical aspirin powder was studied using first order differential near-infrared diffuse reflectance spectra and four standard multivariate methods, hierarchical clustering analysis, stepwise clustering analysis, principal components analysis, and stepwise discrimination. The qualified, inferior, and fake pharmaceutical aspirin powders of independent samples can be distinguished by the multivariate analysis methods based on the reflectance spectra. The proposed methods are reliable, fast and nondestructive.     

引信高功率微波电磁辐射效应数据的FCM分析

高功率微波(HPM)电磁脉冲对引信辐照实验的数据分析是研究其电磁效应中的一个重要问题,数据分析的主要困难在于HPM电磁效应数据的高维复杂性。通过聚类算法设计,采用模糊C均值聚类(FCM)算法对某无线电引信的高功率微波电磁效应数据进行分析处理,利用其类内相似和类间相异的原则,经迭代运算,实现HPM对无线电引信效应数据的脉宽、峰值功率、功率密度等参数间的识别和分类。结果表明:采用FCM算法能够得到HPM对某引信的最佳聚类中心,即致使引信失效的最佳干扰阈值,证明了算法的有效性。     

FAAS与化学计量学方法用于食品分类及相关性

采用火焰原子吸收光谱法测定常见谷物及红枣中5种金属元素含量。运用化学计量学方法中聚类分析（HCA）、主成分分析（PCA）及对应分析（CA）对其进行分类对比研究,结果表明FAA S结合化学计量学方法用于食品分类研究,为食品类别分析工作提供简单、科学的数据处理方法。     

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...     

中医按摩机器人专家控制系统的研究

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM)。方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力。实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

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。     

基于Parzen窗的油液原子光谱数据半监督FCM聚类研究

提出了一种基于Parzen窗的半监督模糊C-均值(Semi-supervised Fuzzy C-Means Based on Parzen window,PSFCM)聚类算法。根据训练样本确定出模糊C-均值(Fuzzy C-Means,FCM)的初始聚类中心;利用Parzen窗法计算出测试样本对各类状态的隶属度后,重新定义了隶属度迭代公式。通过齿轮箱磨损实验台模拟了齿轮箱的2种典型磨损故障并采集了油样。选取实验油样光谱分析数据中代表性元素Fe,Si,B的浓度值作为分析数据集的3维特征量,分别进行了FCM聚类和PSFCM聚类分析。聚类结果为:FCM聚类的正确率为48.9%,而融入了监督信息的PSFCM聚类的正确率为97.4%。实验说明,将PSFCM算法引入到油液原子光谱分析,降低了对人为经验和大量故障数据的依赖,提高了齿轮箱磨损故障诊断的准确度。     

基于快速模糊C均值聚类算法的红外图像分割

 针对模糊C均值(FCM)聚类图像分割需要预先知道类别数及计算量较大的问题,提出了新的快速FCM改进方法。首先,利用边缘信息进行邻域搜索得到种子像素;通过区域生长快速获得区域分割类别数和对应的聚类中心值,并将图像分成确定类别的区域和未确定类别的区域;最后利用所得的聚类中心值和 FCM算法对未确定类别区域进行聚类。实验证明,本文提出的改进方法大大减少了计算量,显著提高了图像分割速度,而且由于聚类考虑了相邻像素点的关系,图像分割结果能够清晰地保留目标轮廓,提高了图像分割的质量。     

Controlling the false positive rate in fuzzy clustering using randomization: application to fMRI activation detection

Despite its potential advantages for fMRI analysis, fuzzy C-means (FCM) clustering suffers from limitations such as the need for a priori knowledge of the number of clusters, and unknown statistical significance and instability of the results. We propose a randomization-based method to control the false-positive rate and estimate statistical significance of the FCM results. Using this novel approach, we develop an fMRI activation detection method. The ability of the method in controlling the false-positive rate is shown by analysis of false positives in activation maps of resting-state fMRI data. Controlling the false-positive rate in FCM allows comparison of different fuzzy clustering methods, using different feature spaces, to other fMRI detection methods. In this article, using simulation and real fMRI data, we compare a novel feature space that takes the variability of the hemodynamic response function into account (HRF-based feature space) to the conventional cross-correlation analysis and FCM using the cross-correlation feature space. In both cases, the HRF-based feature space provides a greater sensitivity compared to the cross-correlation feature space and conventional cross-correlation analysis. Application of the proposed method to finger-tapping fMRI data, using HRF-based feature space, detected activation in sub-cortical regions, whereas both of the FCM with cross-correlation feature space and the conventional cross-correlation method failed to detect them.