基于小波系数的近红外光谱局部建模方法与应用研究

局部建模方法使用与预测样本相似的样本建立模型,可解决光谱响应与浓度之间的非线性问题,扩大模型的适用范围,提高预测准确度。采用小波变换进行数据压缩并利用小波系数之间的欧氏距离作为光谱相似性的判据,实现了近红外光谱定量分析的局部建模方法,避免了样本之间的依赖性。将所建立的方法用于烟草样品中氯含量的测定,100次重复计算得到的预测集均方根误差(RMSEP)平均值为0.0665,标准偏差(σ)为0.0045,优于全局建模和基于主成分的局部建模方法。     

毛细管电泳-电化学检测法分析竹叶及竹叶茶中的活性成分

用毛细管电泳-电化学检测(CE-ED)法同时测定了五种不同竹叶和竹叶茶中的香兰素、顺式阿魏酸、对羟基苯甲醛、对香豆酸、对羟基苯甲酸、香草酸和咖啡酸的含量,考察了实验参数对分离、检测的影响,得到了最佳实验条件.以直径300 μm的碳圆盘电极为检测电极,电极电位为+0.95 V (vs.SCE),在60 mmol/L硼酸盐缓冲溶液(pH=8.7)中,上述七种组分在22 min内实现较好的分离.七组分的浓度和峰电流在2～3个数量级范围内呈良好线性关系,检出限范围为1.9×10-8～9.8×10-8 g/mL.该法用于实际样品的分析,结果令人满意.     

广义无监督函数映射学习的三维形状密集对应方法

提出了一种新颖的广义无监督函数映射学习的三维形状密集对应方法。首先，基于多层感知器（multilayer perceptron,MLP）和残差网络，直接学习深度点特征。其次，计算点云的近似测地线距离，并对其进行特征分解，建立特征嵌入空间，引入注意力机制，有效学习广义基函数表示。再次，结合点特征与广义基函数生成三维形状的深度特征表示。最后，建立无监督的函数映射网络框架，获取形状之间的密集对应表示。提出的三元正则优化机制，联合重构损失、特征损失和形状匹配的距离损失，在特征域和空间域上有效提升了学习性能及形状对应的精度。实验结果表明，广义基函数表示与无监督函数映射学习机制适用于任意三维形状，突破了现有方法只适用于连续二维流形的局限，在任意三维形状匹配中取得了更优的性能。     

小型化毛细管电泳-电化学检测法测定猪尿和猪饲料中的β-兴奋剂

采用小型化毛细管电泳-电化学检测技术测定了猪尿和猪饲料中的克伦特罗(clenbuterol,俗称瘦肉精)及其替代品莱克多巴胺(ractopamine)和沙丁胺醇(salbutamol)。考察了工作电极的氧化电位、运行缓冲液的酸度和浓度、分离电压和进样时间等因素对分离和检测的影响。以直径300 μm的碳圆盘电极为工作电极,检测电极电位为+0.95 V (vs SCE),在100 mmol/L的硼酸盐(pH 9.15)运行缓冲液中,上述3种组分在7 min内实现了较好的分离。被测物浓度与峰电流在3个数量级范围内呈良好的线性关系,检测限为1.20×10-7~2.06×10-7 g/mL。该方法简单可靠,已成功应用于猪尿和猪饲料样品中3种β-兴奋剂的测定,是一种有效的食品安全分析检测方法。     

局部建模方法用于烟草样品的近红外光谱定量分析

采用近红外光谱在主成分空间的距离作为样本相似性的判据,建立了一种用于近红外光谱定量分析的局部建模方法。该方法首先对校正集的光谱进行主成分分析(PCA),然后基于主成分空间中预测样本与校正集样本的距离选择校正子集并建立局部偏最小二乘(PLS)回归模型。对欧氏距离和马氏距离的比较表明,欧氏距离可以更好地表达样本之间的相似性。将所建立的方法用于烟草样品中氯和尼古丁含量的测定,结果表明局部建模方法比常用的全局建模方法具有更好的预测准确性,特别是在低含量成分的预测中具有明显优势。