siPLS-LASSO的近红外特征波长选择及其应用

近红外技术广泛应用于食品、药品等生产过程和产品质量检测，具有样品无需预处理、成本低、无破坏性、测定速度快等优点。但是，全光谱数据维数高、冗余信息多，直接应用于建模会导致模型复杂性高、稳定性差等问题。siPLS是最常见的光谱数据降维方法，但是难以处理光谱数据的共线性问题。LASSO是一种相对新的数据降维方法，但在小样本应用中具有不稳定性。针对siPLS和LASSO在近红外光谱数据应用中存在的问题，提出了基于siPLS-LASSO的近红外特征波长选择方法，并将其应用于秸秆饲料蛋白固态发酵过程pH值监测。该方法首先采用siPLS算法，实现对光谱波长最佳联合子区间的优选；然后，对优选联合子区间使用LASSO算法进行特征波长选择，在此基础上建立PLS校正模型。同时，将siPLS-LASSO方法与其他传统特征波长选择方法进行了对比。结果表明：建立在siPLS-LASSO方法优选33个特征波长基础上的PLS模型预测结果更好，其预测方差(RMSEP)和相关系数(R_p)分别为0.071 1和0.980 8；所提siPLS-LASSO方法有效选取了特征波长，提高了模型预测性能。     

生物素衍生化环孢素A的合成及其与人亲环素A的相互作用 研究

通过∈-氨基已酸二聚体的乙酯与生物素缩合将其羧端延伸14个原子,然后与氨基衍生化的环孢素A缩合合成了生物素衍生化的环孢素A。经过药物免疫印迹和表面等离子体共振(SurfacePlasmonResonance)测定表明生物素衍生化的环孢素A还保留了与人亲环素A结合的活力。     

直齿锥齿轮分岔脱啮特性参数解域界结构北大核心CSCD

为研究含间隙直齿锥齿轮系统周期运动与齿面冲击、脱啮、动载间的耦合转迁关系,基于胞映射原理构建了时变啮合刚度和频率比双参平面,采用改进的CPNF(continuous-Poincaré-Newton-Floquet)法求解了系统胞元的周期、冲击、脱啮、动载特性解域界结构.仿真结果表明,在双参解域界内系统存在鞍结、Hopf、倍化、激变及周期3等分岔方式和3种齿面冲击共存现象,随时变啮合刚度系数递增其冲击和混沌现象加剧.齿面脱啮、齿背接触及动载系数受齿面冲击和周期分岔的影响而发生突变,在同一界域内随频率比增加而降低,随刚度系数增加而加剧.     

基于SVAR模型的货币政策对企业经营影响研究—以工业、房地产业、信息和计算机软件业为例

通过建立结构性向量自回归(SVAR)模型,对比分析了2001年第1季度到2011年第2季度中货币政策对我国三大支柱产业——工业、房地产业、信息和计算机软件业经营的影响.研究发现我国利率水平和货币供应量的变化对我国企业经营总体水平有一定影响,而且在不同的行业之间,利率水平和货币供应量水平变化的影响程度又不一样.     

Weierstrass-Mandelbrot函数的非单调类性

非单调类性质在连续函数研究中起着重要作用．众所周知，Weierstrass函数具有非单调类性质．本文证明了Weierstrass-Mandelbrot型函数具有非单调类性质．     

Transport mechanism of reverse surface leakage current in AlGaN/GaN high-electron mobility transistor with SiN passivation

The transport mechanism of reverse surface leakage current in the AlGaN/GaN high-electron mobility transistor(HEMT) becomes one of the most important reliability issues with the downscaling of feature size.In this paper,the research results show that the reverse surface leakage current in AlGaN/GaN HEMT with SiN passivation increases with the enhancement of temperature in the range from 298 K to 423 K.Three possible transport mechanisms are proposed and examined to explain the generation of reverse surface leakage current.By comparing the experimental data with the numerical transport models,it is found that neither Fowler-Nordheim tunneling nor Frenkel-Poole emission can describe the transport of reverse surface leakage current.However,good agreement is found between the experimental data and the two-dimensional variable range hopping(2D-VRH) model.Therefore,it is concluded that the reverse surface leakage current is dominated by the electron hopping through the surface states at the barrier layer.Moreover,the activation energy of surface leakage current is extracted,which is around 0.083 eV.Finally,the SiN passivated HEMT with a high Al composition and a thin AlGaN barrier layer is also studied.It is observed that 2D-VRH still dominates the reverse surface leakage current and the activation energy is around 0.10 eV,which demonstrates that the alteration of the AlGaN barrier layer does not affect the transport mechanism of reverse surface leakage current in this paper.     

中药板蓝根的化学振荡指纹图谱研究

采用振荡技术,研究了中草药及中成药板蓝根-丙酮-溴酸钾-硫酸锰-硫酸的振荡反应新体系的振荡指纹图谱.测定了不同浓度,不同温度下板蓝根的振荡反应图谱,得到了不同温度、浓度下的反应诱导期、振荡周期及振荡寿命,得出诱导期表观活化能Ein=135.054kJ/mol,振荡周期平均活化能Ep=71.802kJ/mol;初步研究此...     

近红外光谱法定性描述酵母菌的生长过程

提出了一种基于近红外光谱分析技术的酵母菌生长过程描述方法.利用Antaris Ⅱ型傅里叶变换近红外光谱仪获取酵母菌培养过程中,发酵物样本在10000~4000 1范围内的光谱数据,同时采用光电比浊法测定各样本的光密度(Optical density, OD)值;运用竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选特征光谱,再利用极限学习机(Extreme learning machine, ELM)建立酵母菌生长过程4个阶段的分类模型.研究结果显示,参与CARS-ELM模型建立的波长个数为30,其10次运行在训练集和测试集中的平均识别率分别为98.68%和97.37%.研究结果表明,利用近红外光谱分析技术结合适当的化学计量学方法描述酵母菌生长过程是可行的.     

基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用AntarisⅡ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(Adaboost)与SRDA-NN方法结合,提出了Adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过Adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,Adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明:在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,Adaboost算法能很好地提升最终分类模型的预测精度。     

一种基于SCARS策略的近红外特征波长选择方法及其应用

针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示:建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。