基于截形式背景的属性约简分析

在模糊概念格中讨论了基于截形式背景的属性约简,其中着重分析了在精度的偏序关系下属性约简的包含关系,并证明了此说法的正确性,进而还举例说明了其正确性;在此基础之上,本文还给出了在用不同精度把模糊概念格转换了经典概念格时造成的误差,并给出其算法,最后举例说明其有效性.     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据,实现定性或定量分析的无损检测方法,特征数据的完整性和代表性决定了所建模型的性能,而现有分析方法只能实现光谱子区间特征筛选,导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取,有效提高近红外光谱定性分析模型的精度和稳定性,提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法,并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究,讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现,云南产鲜松茸因其独特外形易于分辨,而片状的干松茸失去其独有的外形特征,导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析,采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据,剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上,利用LASSO筛选出全光谱区间的特征变量,再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法,构建松茸真伪甄别模型和食用菌分类模型,对两种模型进行盲样测试,并分析了LASSO与PCA算法的不同点,最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法,其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN),食用菌分类模型准确率为67.39% (BP)和65.22% (KNN),基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN),食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN),对两种模型进行10次蒙特卡罗实验,其结果平均值分别为99.93%和97.22%,由此可知,与PCA等数据降维算法相比,LASSO可实现全光谱区间的光谱特征选择和数据降维,有效地提高了近红外定性分析模型的预测性能,为近红外分析提供了一种新的特征筛选方法。     

木蜡油涂饰对檀香紫檀易混树种的红外光谱影响分析

卢氏黑黄檀和染料紫檀木材特征与檀香紫檀相似,特别是两者经过加色精的木蜡油涂饰后,用肉眼很难与珍贵的檀香紫檀分辨。市场上销售的很多红木家具为了达到防腐、防尘、防开裂的性能以及提高红木表面光泽度和显现珍贵木材的纹理,大都进行了木蜡油表面涂饰加工,因而只研究木材本身的鉴别不能满足市场需求。借助红外光谱（FTIR）结合二阶导数红外光谱（SDIR）和二维相关红外光谱（2D-IR）技术,对经过木蜡油涂饰的檀香紫檀（Pterocarpus santalinus）、染料紫檀（P.tinctoricus Welw）和卢氏黑黄檀（Dalbergia louuelii）进行了红外光谱分析。通过打磨-涂底油-打磨-涂面油-干燥的涂饰工艺对3个树种进行表面涂饰。分别取3个树种素材的木粉和经过表面涂饰的木材表面的木粉进行FTIR,SDIR和2D-IR三级鉴别分析,同时测定了木蜡油的FTIR谱图。结果表明：(1）木蜡油FTIR谱图在2 925,1 733,1 465和1 378 cm-1较强的特征峰出峰位置与3个树种木材本身的出峰位置基本重合,且在2 854 cm-1处归属于亚甲基C-H对称伸缩振动,1 233 cm-1处归属于羧基C-O伸缩振动,729 cm-1处归属于长链的亚甲基C-H弯曲振动的特征峰在涂饰后三种样品的FTIR谱图中有相同的体现,说明木蜡油涂饰未对3个树种红外谱图的特征峰产生影响;3个树种表面涂饰前后FTIR谱图的相关系数同时可以对木蜡油涂饰未对3个树种的特征峰产生影响进行佐证;(2）FTIR谱图在1 595,1 060和836 cm-1处可以将染料紫檀与檀香紫檀和卢氏黑黄檀两个树种区分开;SDIR谱图可以在1 551 cm-1将卢氏黑黄檀区分开,并能进一步对染料紫檀的特征峰进行验证;在2D-IR光谱中,在1 425~1 800和850~1 300 cm-1两个波段范围,檀香紫檀的自动锋明显区别于其他两个树种,在1 250 cm-1处归属于醚类化合物的吸收峰可以将檀香紫檀区分开。目前红木识别主要利用木材解剖方法,表面涂饰大多集中在木材材色变化研究。借助红外光谱技术,最终利用各个树种和木蜡油在红外光谱谱图中不同的特征峰体现的官能团差异直接推测特征成分的含量差异,无须测定其特征成分的具体物质,进而实现准确、快速地把经木蜡油表面涂饰的檀香紫檀及与其易混淆的染料紫檀和卢氏黑黄檀区分鉴别。     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象, 建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重,研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别,并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先,采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品,以及6种常见糖浆样品按不同糖浆含量（10%,20%,30%,40%,50%,60%）配制的112个掺假蜂蜜样品,共计224个样品;通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）;然后,分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理;再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升,而对于SVM模型,惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中,经FD光谱预处理后建立的模型效果最好,最佳PLS-DA模型准确率为87.50%;在SVM算法中,经MSC预处理后,再通过GS寻优,获得惩罚参数c为3.0314,核函数参数g为0.3298的条件下所建立的模型效果最好,最佳SVM模型准确率为94.64%。由此可见,非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型,同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

基于DS算法的玉米近红外定性分析光谱校正方法研究

从校正的角度出发,研究了近红外定性分析中模型稳定性问题。以13个玉米品种为研究对象,针对数据采集时间不同带来的模型失效问题,借鉴近红外光谱定量分析中两台仪器间模型传递的思想,将直接模型传递(Direct Standardization)算法用于校正同一仪器不同时间采集的光谱, 使得一次建立的品种鉴别模型,能用于其余时间测试数据的鉴别。首先采用Kennard/Stone算法在主光谱集中选取校正样品集,按照对应的编号从从光谱集中取出对应的数据,然后对校正样品集采用DS算法求取两组数据间的变换关系,再对剩余的从光谱集进行相应的变换得到适用于模型的光谱。实验中对比了校正样本数和模型校正位置对校正结果的影响,分别从品种定性鉴别准确性和校正前后主光谱数据和从光谱数据分布距离两方面分析了实验结果。结果表明,该方法能有效地解决同一仪器随着采样时间推移产生的光谱偏移现象,对采样时间不同的测试集均得到较高的识别率,提高了模型的鲁棒性和适用范围,由实验结果可见,校正位置处于特征提取之后时,校正效果最佳。     

鉴别玉米杂交种纯度的近红外光谱分析技术研究

以不同产地和年份的农华101(NH101)玉米杂交种和母本种子为对象,研究了鉴别玉米杂交种子纯度的近红外光谱分析方法。 光谱采集时间跨度达10个月,运用傅里叶变换(FT)近红外光谱仪器,在不同季节用23天(分五个时间段)采集了这些样品共920条玉米单子粒近红外漫反射光谱。 全部原始光谱用移动窗口平均、 一阶差分导数和矢量归一化进行预处理,使用主成分分析(PCA)方法和线性判别分析(LDA)方法降维,采用仿生模式识别(BPR)方法建立模型。 通过对光谱预处理校正光谱失真,使样品光谱集在特征空间分布的范围收缩,相对距离增大了近70倍,实现了母本和杂交种子的鉴别。 通过代表性样品的选择,提高了模型对光谱采集时间、 地点、 环境等条件变动的应变能力,也提高了模型对样品种子制种时间与地点变动的应变能力,增强了模型的稳健性,使测试集玉米单子粒杂交种和母本种子的平均正确识别率达到95%以上,而平均正确拒识率也达到85%以上。     

可证明安全的基于属性的多授权中心签名方案

基于属性的密码体制中用户的多个属性由一个授权中心管理,这将会增大其工作负担,降低工作效率.本文设计了一个可证明安全的多授权中心的签名方案,将用户的多个属性由不同的授权中心分别管理,属性参数在全域范围选择.采用归约安全证明的研究方法证明此方案的安全性归约为计算Diffie-Hellman难题,方案具有存在性不可伪造和抗合谋攻击的特性.     

六种蜂花粉的红外光谱三级鉴别研究

采用傅里叶变换红外光谱(FTIR)结合二阶导数谱和热扰动下的二维相关红外光谱技术对6种不同花粉,即杏花花粉、油菜花粉、茶花花粉、西瓜花粉、荷花花粉和虞美人花粉,进行了快速无损的鉴别。结果表明,在一维红外光谱图上,不同花粉的蛋白质、脂肪和糖类物质的特征吸收峰在相对峰强和峰位上均存在一定的差异,在二阶导数谱上差异很明显。而在二维红外谱图上,由于6种花粉的自动峰及相关峰峰簇的位置和数量不同,其差别体现得更为明显和直观。因此,三级红外宏观指纹图谱法是鉴别不同蜂花粉种类的一种有效和快速检测方法。