基于近红外光谱和最小二乘支持向量机的聚丙烯酰胺类型鉴别 |
| |
引用本文: | 张红光,杨秦敏,卢建刚.基于近红外光谱和最小二乘支持向量机的聚丙烯酰胺类型鉴别[J].光谱学与光谱分析,2014,34(4):972-976. |
| |
作者姓名: | 张红光 杨秦敏 卢建刚 |
| |
作者单位: | 张红光:浙江大学控制科学与工程学系, 工业控制技术国家重点实验室, 浙江 杭州 310027 杨秦敏:浙江大学控制科学与工程学系, 工业控制技术国家重点实验室, 浙江 杭州 310027 卢建刚:浙江大学控制科学与工程学系, 工业控制技术国家重点实验室, 浙江 杭州 310027
|
| |
基金项目: | 国家(973计划)项目(2012CB720500), 国家自然科学基金项目(21076179)资助 |
| |
摘 要: | 提出了一种基于近红外光谱分析技术和最小二乘支持向量机的鉴别方法,能够快速、无损鉴别聚丙烯酰胺的三种类型。获取非离子,阴离子和阳离子等三种类型的聚丙烯酰胺样本的近红外漫反射光谱,用主成分分析方法对样本光谱数据进行降维,并提取主成分。基于前三个主成分对三种类型的聚丙烯酰胺样本进行聚类分析,并将主成分作为最小二乘支持向量机的输入。通过基于网格搜索的交叉验证方式优化最小二乘支持向量机的参数和作为其输入的主成分个数。每种类型聚丙烯酰胺各采集60个样本,共采集180个样本,每种类型样本随机选取45个样本,共135样本作为训练样本集,剩余45个样本作为测试集。为了验证该方法能否鉴别掺假样本,制备了掺入不同比例非离子聚丙烯酰胺的5个阴离子和5个阳离子聚丙烯酰胺样本。采用基于训练样本集交叉验证预测误差的F统计显著性检验方法来确定样本的鉴别结果误差阈值。结果表明,预测测试集时,准确率为100%。预测10个混和样本时,所有混合样本都被准确识别出。说明该方法能快速无损鉴别不同类型的聚丙烯酰胺并且具有掺假鉴别能力,为聚丙烯酰胺类型的快速鉴别提供了一种新方法。
|
关 键 词: | 近红外光谱 主成分分析 最小二乘支持向量机 聚丙烯酰胺 |
收稿时间: | 2013/6/25 |
Discrimination of Types of Polyacrylamide Based on Near Infrared Spectroscopy Coupled with Least Square Support Vector Machine |
| |
Abstract: | |
| |
Keywords: | Near infrared spectroscopy Principal component analysis Least square support vector machine Polyacrylamide |
本文献已被 CNKI 等数据库收录! |
|