新石器时代古陶器的化学计量学研究

本工作采用化学计量学方法抽提古陶器发明和技术演变的历史信息。数据分析表明:若干早期陶器的烧制是用在土中掺入未燃烧完全的植物茎叶灰,采用含铁较高的粘土,使之含有能形成低温共熔体的氧化亚铁、磷酸盐等组分,成为能在较低温度烧结的制陶原料。因此,当时能在700~800℃低温烧制成功。其后随着窑的发明和窑技术的进步,达到1000℃以上的烧成温度,所用制陶原料亦相应发生改变。但类似的易熔组分和添加草木灰又成为配制原始瓷铀的配方,从而过渡到原始瓷器的发明的一个重要因素。     

能量色散X射线荧光探针用于古陶瓷的工艺与产地研究

利用能量色散X射线荧光(EDXRF)探针技术,研究了旧县坪遗址出土的一件青瓷样品的制造工艺与产地。从青瓷样品的器壁部,用切割法取下一个断面,用探针进行线性扫描分析。结果表明:在胎釉间存在的白色层状物的化学成分介于胎釉之间,断定其应为在烧制过程中经一系列理化反应而形成的反应层。经对该青瓷样品胎釉化学成分的聚类分析,发现其与宋代河南临汝窑青瓷的胎釉化学成分基本一致。并且,该样品与临汝窑青瓷在釉色和装饰风格上都相近。因此,旧县坪遗址的这件青瓷样品应为临汝窑制品。     

概率主成分分析联合支持向量机的前列腺SELDI-TOF质谱数据分析方法研究

基于前列腺癌检测中获取的表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)数据,提出一种概率主成分分析(PPCA)联合支持向量机(SVM)的分类方法。对临床322例血清样本的质谱数据进行特征提取,以随机选取训练样本集(225例)构造SVM判别模型,对剩余样本集(97例)进行测试。采用均方根误差、识别率与预测率指标,将所构造的PPCA-SVM模型分别与偏最小二乘(Partialleastsquares,PLS)和PCA-SVM模型进行比较,发现PLS模型的识别率和预测率分别为90.92%和76.38%,PCA-SVM模型分别为99.23%和84.63%,而PPCA-SVM模型分别为99.01%和90.41%。因此SELDI-TOF-MS技术结合PPCA-SVM在样品分类中具有准确、重复性好等优点,为前列腺癌早期诊断提供了一种新方法。     

紫外吸收光谱结合化学计量学测定饲料中三聚氰胺的含量

饲料经过酸-硅胶沉淀除去基质,测定所得上清液的紫外吸收光谱。采用偏最小二乘法(PLS)、人工神经网络(ANN)、支持向量回归法(SVR)三种化学计量学方法建立紫外吸收光谱对三聚氰胺浓度的预测模型。结果:PLS模型的R2为0.9926~0.9940,均方根差为0.2346~0.2612;ANN模型的R2为0.9999,均方根差为0.0265~0.0408;SVR模型的R2为0.9997~0.9999,均方根差为0.0010~0.0024。SVR模型的预测效果最好。研究表明,紫外吸收光谱-化学计量学建模用于快速、准确测定饲料中三聚氰胺是可行的,且设备要求低、操作简单,有望推广使用。     

水平衰减全反射傅里叶变换红外光谱法结合化学计量学鉴别问荆与节节草

采用水平衰减全反射傅里叶变换红外光谱法(HATR-FT-IR)测定中药问荆和同科植物节节草的FT-IR谱,运用连续小波变换(CWT)多分辨率分析法对吸收较为相似的问荆及节节草的FT-IR进行特征提取.选择第8、9、10分解层数下的特征值作为分析的基础,采用FT-IR-CWT-SVM法建立了问荆和节节草识别的模型.通过学习训练,对120个预测样品的识别准确率为90%以上.当采用径向基函数作为核函数时,识别准确率达100%.样品的FT-IR经小波特征提取后的特征值有所差异,采用SVM进行识别可以很好地把两者分类.通过对样品的FT-IR小波变换后所得特征值进行SVM的分类,能够有效地进行区别鉴定形态较为相似的同科植物问荆及节节草.     

基于支持向量机的液体推进剂分析方法研究

本文提出了使用支持向量机(SVM)算法,不经分离同时测定某推进剂中三种组分的分析方法.基于Matlab平台下运用Libsvm工具箱进行推进剂的支持向量机回归分析,三种组分分析结果的标准误差分别为:2.87×10-2、1.01×10-3、6.67×10-5.与常规的化学滴定法和BP神经网络法分析结果相比,准确度和精密度都有较大程度的提高,可以满足常规化学分析要求而应用于实际测定.     

基于近红外光谱的果蔬脆片品质评价方法研究

本文选取苹果脆片为研究对象,结合最新果蔬脆片研究成果和支持向量机机器学习方法,以苹果脆片近红外光谱吸收值数据样本为基础,根据不同苹果样本、不同时序的红外光谱吸收值数据特征信息,产生不同的映射关系,将红外光谱吸收值映射到对应样本在对应时刻的各项品质指标(如水分含量),然后利用支持向量机(Support Vector Machine,SVM)方法对近红外光谱吸收值的数据样本进行训练,通过调整模型参数来体现不同苹果个体间的生理差异,以取得更接近于实际情况的品质指标预测效果。模拟仿真实验表明该模型的平均相关系数(R~2)达到93.81%,均方误差(MSE)为0.0057。该研究可为果蔬脆片的评价体系提供新的参考方法。     

支持向量机分类和回归用于肽的QSAR研究

使用支持向量机技术对两类肽化合物体系进行了分类和回归研究,并将其系统地与K最邻近法、多元线性回归、偏最小二乘、人工神经网络进行了比较。结果表明,对于小样本、非线性问题,支持向量机具有较强的稳定性能及泛化能力,在大多数情况下能够得到优于传统方法的建模效果。对于分类问题,支持向量机对训练集和测试集都达到了100%的分类正确率;对于回归问题,支持向量机虽对训练集样本拟合效果略低于人工神经网络,但对外部测试集却表现出较强的预测能力。     

基于Person Ⅶ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。     

七种无机元素与中药药性的相关性研究

本文研究支持向量机用于中药药性识别的可行性.选择7种无机元素在中药中的含量为指标,运用支持向量机对193种不同药性的中药进行训练,建立平性与非平性中药的预测模型.结果训练集识别正确率95.03%,建立的模型对预测集中平性药的识别正确率为82.14%,对非平性药的识别正确率为70%,总正确率为73.58%.     

最小二乘支持向量机算法与紫外光谱法用于鉴别清开灵注射液四混中间体

采用一阶导数数据预处理,最小二乘支持向量机(LS-SVM)紫外可见光谱建模,对清开灵注射液四混中间体进行质量评价。以二次网格法和十折交叉验证法优化建模参数,预测集的总正确率和接受器工作特性曲线(ROC)下面积分别可达98.0%和0.983。结果表明,与经典的支持向量机相比,LSSVM鉴别准确率更高,模型的泛化能力更强。可用于清开灵注射液生产过程中质量控制,为中药注射液生产过程的质量控制提供了一条有效的途径。     

Passive Airborne Fourier Transform Infrared Remote Detection of Methanol by Use of Wavelet Analysis as A Feature Extraction Method

Wavelet analysis was evaluated as a data preprocessing tool in the construction of automated classifiers for the detection of volatile organic compounds from passive Fourier transform infrared remote sensing data collected in a downward-looking mode from an aircraft platform. The discrete wavelet transform was applied to single-beam spectra and patterns were formed with either the wavelet coefficients directly or with spectra reconstructed with selected resolution levels of the wavelet decomposition. Automated classifiers were constructed with support vector machines (SVM) and used to detect releases of methanol from an industrial site. A key issue in this work was the desire to use data collected during controlled experiments on the ground to train the SVM classifiers. Spectral backgrounds in these ground-collected data are different than those encountered as the aircraft flies, however, and the development of successful classification models requires spectral preprocessing to suppress background signatures. Biorthogonal wavelets were used to generate patterns and resulted in SVM models that produced no missed methanol detections and false detection rates of less than 0.1% when applied to prediction data not used in the development of the model. The SVM classifiers constructed with wavelet processing were compared to one based on unprocessed spectra and also to one computed with spectra preprocessed with Butterworth high-pass digital filters.     

基于启发式算法和支持向量机算法预测醛类化合物急性毒性

应用启发式算法(HM)和支持向量机算法(SVM)建立了88种醛类化合物对大鼠急性毒性的定量构效关系模型。应用ChemOffice2004软件进行化合物的结构输入,利用半经验方法进行分子结构优化,在CODDESA软件中计算出组成、拓扑、几何、电子和量子化学参数。并用启发式方法筛选出相对阳性电荷、氧原子数量、碳原子的最小亲核反应指数、双键相对数量、碳原子数量、碳氢键之间的最大交换能量、最大σ-σ键序和双键数量8个参数,在此基础上应该多元线性回归和支持向量机方法建立QSPR模型。两种方法均得到了较好的结果,HM和SVM的交互检验的相关系数分别为0.90和0.93;通过对模型的稳定性和预测能力比较,SVM建立的QSAR模型能够更好地预测醛类化合物对大鼠急性毒性LD50。     

基于Person VII核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的，而且比较复杂，难以用经典统计方法建立分类判别模型。以支持向量机（SVM）构建的分类器具有更好的分类性能。对于非线性分类，SVM通过核函数将其映射到高维特征空间中，然后再进行线性分类。因此，核函数往往是决定SVM非线性分类性能的关键。实际应用时，一般通过选择几种核函数，并对其参数进行优化，然后根据分类器的预测性能来决定，训练过程非常耗时，而且结果难以保证最优。为此，采用一种通用性的核函数，即PersonVg核函数（PUKF），它可取代目前常用的几种核函数，可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题，均取得了较好的结果。对于多类分类，设计了一种子分类器的构造方法，它在分类性能保持较好的情况下，简化了多类分类器结构，大大降低了计算量。     

紫外分光光度法测定白芍中重金属的研究

用紫外分光光度法测定了白芍中重金属含量。结果表明,杭白芍重金属含量(甜)为15．43μg/g,亳白芍为18．47μg/g。该法简便、快速、重现性好,适用于中药材实际生长中重金属的检测。     

火焰原子吸收法测定茶叶中的微量元素

使用同一消化液,溶解消化样品,以稀盐酸为底液,火焰原子吸收分光光度法对茶叶中Mn、Fe、Zn、Cu、Pb五种微量元素进行了测定。结果表明,标准曲线线性关系良好(r＞0．999)、精密度和准确度均较好,能够达到分析要求。     

流动注射化学发光测定中草药中痕量镓的研究

基于Ｇａ（Ⅲ）置换Ｆｅ（Ⅱ）－ＥＤＴＡ配合物中Ｆe（Ⅱ）的反应与Ｆｅ(Ⅱ)-鲁米诺-溶解氧的化学发光反应相偶合,建立了一种流动注射化学发光测定痕量镓的新方法。本法线性范围1x１０－(６)1ｘ１０－(4)ｍｏｌ/L,相对标准偏差为２．６％（ｎ＝１１,Ｃ＝１０－(5)g/mL）,检出限为７ｘ１０-(9)g/mL。本法用于中草药中痕量镓的测定。结果令人满意。     

ATD-GC-MS联用分析大气颗粒物中半挥发性有机物(SVOCs)

环境样品中的有机污染物种类繁多、结构复杂、含量不等,对其进行分析测试难度很大。近年来,采用气相色谱-质谱联机、气相色谱-红外(GC-IR)联机、液相色谱-质谱(LC-MS)联机以及超临界色谱-质谱联机(SFC-MS)等新技术,已对许多环境样品中的复杂有机污染物获得了高灵敏度和高选择性的定性、定量分析结果,包括有机污染物的结构信息。本文采用超细玻璃纤维滤膜采样,热脱附仪和气相色谱-质谱联用分析了大气颗粒物中的半挥发性有机污染物,与传统的索氏提取法进行了对比。