二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

Fisher's判别分析及应用

判别分析是一种在各种领域都有广泛应用的统计判别与分组的技术方法.通过介绍Fisher's判别函数的导出,归纳Fisher's判别分析方法的步骤,然后应用其解决实际问题.     

基于高光谱和化学计量学方法的除草剂残留分类识别研究

本研究基于高光谱技术和化学计量学方法,对薄荷叶上的异丙甲草胺、烟嘧(莠去津、敌草胺和砜嘧(精喹4类除草剂残留进行种类判别.高光谱成像光谱范围为450nm～950nm的可见-近红外区域.为降低噪音对光谱数据的干扰、提升判别精度,采用SG平滑和多元散射校正对高光谱曲线进行处理.利用主成分分析算法(PCA)对原始数据进行降维...     

判别分析与Logistic回归组合分类

本文讨论判别分析与Logistic回归组合方法的二分类问题.模拟结果显示,基于判别分析的Logistic回归的第一组合法的回判正确率往往高于判别分析分类和Logistic回归分类.第二组合法是基于Logistic回归的判别分析分类,回判正确率接近于Logistic回归的分类结果.很多情况下,这两种方法的回判正确率都高于判别分析。     

电感耦合等离子体质谱(ICP-MS)法结合化学计量学分析比较6种松针中无机元素的含量

摘 要 为研究甘肃地区松针中无机元素的含量,探究不同品种松针中无机元素的差异,采用HNO3(65%)对松针样品进行微波消解,电感耦合等离子体质谱(ICP-MS)法测定甘肃两地区6种松针中28种无机元素的含量,结合主成分分析以及偏最小二乘判别分析对松针地区差异进行判别;结果显示松针中无机元素含量丰富,其中Na、Mg、Al、K、Ca、Fe、Zn、Mn、Sr等元素在不同品种松针中均有较高含量,主成分分析结果显示共有7个主成分,累积贡献率达到92.58%,偏最小二乘判别分析显示两地区6种松针在地区上可被明显分开,其中Mg、Fe、Zn、Mn、Sr、K 6种元素为造成地区差异的主要元素。实验结果表明松针中元素种类丰富,人体必需微量元素含量较高,且不同地区松针在地区上具有一定的一致性和特异性。     

不同采收期滇龙胆的红外光谱鉴别研究

采收是中药生产的重要环节,采收时间直接影响中药质量和产量,是中医临床安全有效用药的前提,开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究,用TQ8.0软件对原始光谱进行一阶导数(first derivative,FD)、二阶导数(second derivative,SD)、标准正态变量(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)和平滑(savitaky-golay filter,SG)预处理,样品按3∶1分为校正集和预测集,同时建立主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型。结果显示,选取1 800~600cm~(-1)波段范围的光谱,去除光谱噪音;SNV结合二阶导数光谱和SG(15,3)平滑,预处理结果满意。主成分分析表明,前三个主成分方差贡献率为92.47%,5月、9月和10月份采收的样品差异较小。偏最小二乘判别分析建立判别模型,决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0,可对18个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好,为不同采收期的中药鉴别提供理论依据。     

基于1HNMR给药赭石后大鼠尿液的代谢组学分析

基于1H NMR 的代谢组学方法结合多变量数据分析方法(主成分分析和偏最小二乘判别分析)对灌胃给药赭石(2,5和10 g/ kg 体重剂量)的成年 Wistar 大鼠尿液进行分析,并对大鼠给药前1天、给药后1~5天尿液1 H NMR 数据进行单变量比较分析,筛选出赭石的潜在特征代谢物,对赭石引起的代谢变化进行研究,为赭石的科学用药提供依据。结果表明,大鼠体内柠檬酸、牛磺酸、肌酸酐、α-酮戊二酸、琥珀酸、二甲基甘氨酸等代谢物浓度发生明显变化,随给药时间的变化出现恢复趋势,且恢复趋势与给药剂量相关,可作为赭石的潜在特征代谢物。给药2,5和10 g/ kg 体重剂量赭石降低了大鼠机体三羧酸循环能力,影响了能量、肌酸及二甲基甘氨酸的代谢,且10 g/ kg 体重剂量赭石对大鼠肝功能造成一定影响。     

不同病程的结核病患者的血浆代谢组学研究

结核病(tuberculosis,TB)是第二大由单一病原菌感染引起的致死性疾病,致死率仅次于艾滋病.与疾病进展相关的代谢标志物的发现有利于病情的防治,而代谢组学研究则是发现代谢标志物的重要手段之一.目前与TB病人相关的代谢组学研究还不多.该文利用基于核磁共振氢谱(1H NMR)的代谢组学技术,对不同病情程度TB患者的血浆代谢组进行了研究.正交偏最小二乘法判别分析(OPLS-DA)结果显示TB各组与健康对照组均可明显分离.统计分析发现,缬氨酸、丙氨酸、肌酸和3-羟基丁酸等代谢物在TB各组含量普遍高于对照组;乳酸、丙酮酸、N-乙酰糖蛋白、亮氨酸和谷氨酸等代谢物在疾病进展过程中呈逐渐增加的趋势,而三羧酸(tricartexylic acid,TCA)循环的中间产物——柠檬酸则呈逐渐降低的趋势,表明了代谢紊乱随疾病的逐渐变化过程.这些差异代谢物的变化表明TB患者体内能量代谢与糖酵解增强、脂肪酸生酮作用增强、TCA循环受阻、氨基酸代谢紊乱.     

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析（linear discriminant analysis,LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。     

红外光谱的陆生动物油脂中反刍动物成分鉴别分析

为有效应对违法掺加导致的饲料安全隐患,完善饲用油脂的高效检测手段,满足饲料质量安全的监管需求,以来源可靠的不同种属动物油脂为研究对象,通过在非反刍动物油脂中掺加不同比例（1%,5%,10%,20%,30%和40% W/W）的反刍动物油脂获得试验样品,首次系统应用傅里叶变换红外光谱结合化学计量学方法探讨了陆生动物油脂中掺加反刍成分的鉴别分析方法与模型。研究表明基于掺加比例1%～40%样品集,偏最小二乘判别分析模型正确判别率为100%,无假阳性和假阴性样品;进一步研究发现,基于陆生动物油脂中反刍成分低掺加比例0.1%～40%,0.2%～40%,0.4%～40%,0.6%～40%和0.8%～40%样品集,偏最小二乘判别分析模型的正确判别率均低于100%。且随着最低掺加比例的降低,假阳性与假阴性样品数明显增多,其正确判别率逐步降低。因此,陆生动物油脂中掺加反刍成分判别分析检量限约为1%;进一步通过脂肪酸组成与差异性分析、红外光谱特征波段和特征化学键对比分析探讨其判别分析机理。非反刍动物油脂光谱3 006 cm-1处吸收峰（代表=C-H(cis-)的拉伸振动）和914 cm-1处吸收峰（代表=HC=CH-(cis-)的弯曲振动）明显高于反刍动物油脂样品,主要表征了顺式脂肪酸和不饱和脂肪酸的显著差异。非反刍动物油脂光谱965 cm-1处吸收峰（代表-HC=CH-(trans-)的弯曲振动）明显低于反刍动物油脂样品,主要表征了反式脂肪酸和饱和脂肪酸的显著差异。掺加比例为1%的混合样品中反式C=C键含量显著高于其他低掺加比例的样品,而不同掺加比例样品的顺式C=C键含量和C-H(-CH₂-)键含量均无显著性差异。因此,基于红外光谱的陆生动物油脂中反刍动物成分鉴别分析主要是基于反式C=C键结构的信息表征。综上所述,红外光谱可作为一种兼顾检测效率与检测精度的技术应用于陆生动物油脂中反刍成分的鉴别分析。