排序方式: 共有32条查询结果,搜索用时 15 毫秒
2.
基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。 相似文献
3.
4.
5.
应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、三聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂三聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。 相似文献
6.
针对水环境中多环芳烃(PAHs)污染现状,提出并建立一种基于二维相关荧光谱水体中PAHs的检测方法。以菲和荧蒽为研究对象,配置36个蒽荧蒽混合水溶液样品(蒽和荧蒽的浓度范围均为1×10-4~1×10~(-6) g·L~(-1)),采集了所有样品的三维荧光光谱。以激发波长为外扰,构建同步二维相关荧光谱。在此基础上建立了定量分析水溶液中蒽和荧蒽浓度的多维偏最小二乘(N-PLS)模型,对蒽和荧蒽的预测均方根误差(RMSEP)分别为5.48×10~(-6) g·L~(-1)和6.25×10~(-6) g·L~(-1)。为了比较,基于常用的三维荧光谱建立了NPLS模型,对蒽和荧蒽的RMSEP分别为5.92×10~(-6) g·L~(-1)和7.33×10~(-6) g·L~(-1)。研究结果表明:基于二维相关荧光谱检测环境中PAHs污染物是可行。 相似文献
7.
二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究 总被引:3,自引:1,他引:2
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. 相似文献
8.
1-苯胺基萘 - 8-磺酸盐 (ANS)在不同的固体基质中发光特性的研究发现 :(1 ) ANS分子发射峰位置与在甲醇溶液中相比 ,发生明显的蓝移 ,可能是由于约束在固体基质中的荧光分子的运动受到一定的限制而接近单分子发光的行为。与纯粉末 ANS荧光相比 ,发生红移。ANS在极性的滑石基质中 ,发射峰移向更短的波长 ,在非极性的石蜡基质中移向更长的波长 ,反映固体基质微观环境的变化。 (2 ) ANS分子荧光寿命明显缩短 ,主要原因是在固体基质中 ,荧光发射速率常数 kf 增大。 (3) ANS分子相对量子产率明显增大 ,荧光分子运动受限 ,减弱分子之间的相互作用 ,减小了由于碰撞引起的猝灭 ,分子结构刚性增强。该结果对于研究固体基质的物化性质、探讨光化学反应中能量转移现象具有重要意义。 相似文献
9.
运用核隐变量正交投影(kernel orthogonal projection to latent structure, KOPLS)方法,建立掺杂牛奶与纯牛奶的判别模型。分别配置含有三聚氰胺牛奶(0.01~3 g·L-1)和尿素牛奶(1~20 g·L-1)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱。选择4 200~4 800 cm-1为建模区间,采用KOPLS分别建立掺杂三聚氰胺、掺杂尿素、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别。研究结果表明:与偏最小二乘判别(partial least squares discriminant analysis, PLS-DA)和隐变量正交投影判别(orthogonal projections to latent structures discriminant analysis, OPLS-DA)建模方法相比,KOPLS-DA具有更强的掺杂判别能力,对掺杂三聚氰胺、掺杂尿素牛奶和两种掺杂牛奶的判别正确率分别为95%,100%和97.5%。 相似文献
10.
将同步-异步二维中红外相关谱和多维偏最小二乘判别法相结合定性分析掺假芝麻油。分别配置40个纯芝麻油和含有玉米油不同体积分数(3%~60%)的掺假芝麻油样品40个。室温下,分别采集所有样品的常规一维中红外光谱(650~4 000cm-1)。在研究纯芝麻油和掺假芝麻油的一维中红外光谱的基础上,以芝麻油中掺假的玉米油浓度为外扰,进行相关计算,得到同步和异步二维中红外相关谱矩阵,并对其进行标准化。分别提取标准化的同步和异步二维中红外相关谱主对角线上部分和下部分元素进行融合,得到同步-异步二维中红外相关谱矩阵。在此基础上,分别基于同步-异步二维中红外相关谱矩阵、同步二维中红外相关谱矩阵和异步二维中红外相关谱矩阵建立了三个定性分析掺假芝麻油的多维偏最小二乘判别模型对预测集未知样品进行预测,其识别正确率分别为100%,96.2%和96.2%。结果表明:相对于同步和异步二维中红外相关谱,同步-异步二维中红外相关谱不仅包含了完整的掺假油特征信息,而且剔除了冗余信息,因此能取得更好的判别结果。 相似文献