FTIR聚类分析法应用于菟丝子真伪的鉴别

采用水平衰减全反射傅里叶变换红外光谱法测定了菟丝子及其伪品的FTIR,从化学成分方面比较了正伪品之间的差异程度,并采用聚类分析法对菟丝子正伪品4个样品亲缘关系进行研究,FTIR聚类分析结果显示4个样品分为3组, 发现基于傅里叶变换红外光谱的聚类分析在反映菟丝子及其伪品化学组成差异程度上具有应用价值。所提出的方法可有效地应用于菟丝子的质量分析。     

FTIR结合主成分分析对棕榈科植物鉴别研究

采用傅里叶变换红外光谱(FTIR)结合主成分分析(PCA)对棕榈科植物2个亚科4个族的植物叶片进行了光谱研究。结果显示,棕榈科同族不同种和同科不同族的植物在红外光谱上表现出差异。用二阶导数光谱进行主成分分析,显示可以将样品进行正确分类。研究表明傅里叶变换红外光谱在鉴别分类植物方面具有应用潜力。     

FTIR结合统计分析对竹类植物的鉴别分类研究

傅里叶变换红外光谱结合主成分分析和系统聚类分析用于竹类植物鉴别分类研究。六种竹亚科植物54个竹子叶片的红外光谱测试结果显示竹叶光谱主要由蛋白质、碳水化合物、脂类等吸收带组成,竹叶光谱相似,仅在1 800～700 cm-1范围峰数、峰位、峰强上存在较小的差异。六种竹子叶片红外光谱的二阶导数谱在1 800～700 cm-1范围显示明显差异。用1 800～700 cm-1范围二阶导数光谱进行主成分分析,在主成分PC1,PC2,PC3三维空间图中,所测试竹叶样本分类正确率达98%;在PC3-PC4二维投影图显示所有竹叶样本正确分成六个区域;用1 800～700 cm-1范围二阶导数光谱进行聚类分析,所测竹叶样本正确聚为六类。表明FTIR结合统计分析能够在种水平对竹亚科植物鉴别分类。     

不同品种葡萄苗的FTIR光谱鉴别研究

利用傅里叶变换红外光谱技术结合主成分分析(PCA)及系统聚类分析(HCA)对不同葡萄品种苗的叶片进行鉴别研究。结果表明五个不同葡萄品种苗红外光谱整体相似,但在1800~750cm~(-1)范围内吸收峰的位置、峰形及吸收强度有一定差异。选取该范围内的二阶导数光谱数据做主成分分析和聚类分析,前三个主成分累计贡献率达到94.9%,其分类正确率达100%;而聚类分析,其正确率达到96%。结果表明傅里叶变换红外光谱结合统计方法能够很好地鉴别五个不同品种的葡萄苗,有望发展成为鉴别农作物品种的有力手段。     

衰减全反射傅里叶变换红外光谱技术结合模式识别进行油品鉴别

海洋溢油是主要环境灾害之一,而且近年来其发生频率呈上升趋势。快速地对油品进行种类鉴别、来源评估有利于及时采取应急措施,因此具有重要意义。采用衰减全反射傅里叶变换红外光谱法(ATR-FTIR)对25种不同来源的油品进行了检测,用不同数据预处理方法对原始光谱进行了预处理,继而用主成分分析(PCA)和系统聚类分析(HCA)方法对光谱进行了分类鉴别。结果表明用多元散射校正(MSC)和连续小波变换(CWT)方法进行数据预处理可以提高分类的准确性,使分类结果与油样的实际来源一致。该方法对正构烷烃差异较大的油品进行了很好的区分,但对差异较小的油品其分辨能力仍有一定局限性。因此提供了一种快速的油品鉴别方法,可用于溢油事件的初步鉴定,从而为油品的进一步鉴定提供有用信息。     

中国观赏类山茶FTIR分类研究

采用傅里叶红外光谱法研究了云南山茶与华东山茶共17个品种的山茶花花瓣.结果显示,傅里叶变换红外光谱主要由蛋白质、脂类化合物及多糖的振动吸收带组成.两类山茶样品的傅里叶变换光谱图整体上十分相似,只是在多糖吸收区域(1200-950cm-1)略有差异,对比该区域的一阶导数谱,差异主要表现在1125-1100cm-1和1070-1000cm1两个吸收带.选取1200-950cm-1范围内的一阶导数谱进行系统聚类分析分类,并对4000-400cm-1范围内光谱做主成分分析.结果表明傅里叶变换红外光谱技术结合化学统计学方法,可用于鉴别云南山茶和华东山茶.     

FTIR结合主成分分析法对直肠癌转移淋巴结的研究

应用傅里叶变换红外光谱(FTIR)联合主成分分析法(PCA),分析直肠癌转移淋巴结的谱学特征,并对直肠癌转移淋巴结和非转移淋巴结进行线性判别分析。80例直肠癌转移淋巴结和80例未转移淋巴结进行FTIR光谱分析,计算峰强并进行主成分分析,得出在波数4 000～1 700 cm-1范围主成分1(Principal components 1,PC1)是3 260 cm-1,PC2为1 740 cm-1。波数1 700～1 000 cm-1范围,PC1为1 640 cm-1,PC2为1 080 cm-1,将良、恶性淋巴结光谱3 260,1 740,1 640,1 080 cm-1相对峰强比(I/I_{1 460})和波数1 080和1 300 cm-1进行t检验,良、恶性结果差异有统计学意义(p<0.05),表明癌转移淋巴结中蛋白含量、蛋白的形成、氨基酸增多;脂肪含量明显减少与癌组织中无氧酵解脂肪含量减少有关。将相对峰强比(I_{1 080}/I_{1 460}, I_{1 640}/I_{1 460}, I_{3 260}/I_{1 460}, I_{1 740}/I_{1 460}, n=160)进行PCA聚类分析,结果显示可以将良恶性淋巴结鉴别,良性淋巴结聚类在第一和四象限,恶性淋巴结聚类在二和三象限。将相对峰强比、1 080和1 300 cm-1进行线性判别分析(LDA),将25例淋巴结作为验证集进行分析,得出PCA/LDA模型的敏感度是87.5%,特异度是88.5%。结果表明傅里叶变换红外光谱分析技术可成为术中原位、在体和快速诊断直肠癌淋巴结转移的一种简便方法。     

蚕豆病害叶的FTIR研究

用傅里叶变换红外光谱技术结合统计分析对蚕豆锈病、茎基腐病、轮纹病、黄化卷叶病和正常叶片进行鉴别研究。结果显示病害叶片和正常叶片的红外图谱相似,仅有几个吸收强度比存在差异;对光谱进行二阶导数分析发现,病害叶片和正常叶片的二阶导数光谱在1 200～700cm-1范围差异明显,对该区域内的光谱数据进行相关分析、主成分分析和聚类分析,结果显示,正常叶片之间、同种病害样品之间相关系数都在0.928以上,而病害叶片和正常叶片以及不同病害样品之间的相关系数降低;45个样品聚类分析和主成分分析正确率分别为73.3%和82.2%。傅里叶变换红外光谱技术具有快速、无损、准确等优点,有望为蚕豆病虫害诊断提供新的方法与途径。     

枸杞子四种原性状的FTIR光谱法鉴别

本文利用傅里叶变换红外（FTIR）光谱法无损快速鉴别了枸杞了的四种原性状。结果表明：不同颜色、不同味道、不同质地及不同形状的枸杞子的红外光谱谱图较为特征,各种枸杞子的红外官能团吸收均遵循一定的变化规律。该方法快速、简便、直观、样品不需要分离提取。     

红外光谱法和主成分分析法用于胃组织癌变的检测

研究了 2 1例胃组织光谱 ,根据病理检测结果 ,其中 11例为癌变组织 ,10例为正常组织。根据已有的红外光谱判别方法得到的结果和病理分析结果基本一致 ,只有 1例 (第 10号样品 )为过渡态 ,非典型癌症。同时对 2 1条被测光谱进行了主成分分析 (PCA)。主成分分析结果表明第一主成分可以用来区别胃正常组织和癌变组织光谱。图 4明确地显示了第 10号样品处于过渡态 ,PCA方法的判别结果与红外光谱解析结果基本一致。研究结果表明傅里叶变换红外光谱法与主成分分析方法都可以对良性和恶性胃组织进行鉴别诊断 ,如果两种方法相结合可以提高检测准确率 ,有望发展成为一种肿瘤临床诊断新方法     

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法,实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性,通过采集40个藻类样品的荧光光谱图像,对图像进行去噪、二值化处理,确定有效像素后,根据光谱立方体绘制每个样本的光谱曲线,将所得400～720 nm区段范围内的光谱数据作鉴别分析,再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明： 采用欧氏距离法及平均加权法计算样本间的聚类距离,在距离L=2.452以上水平处可将样本正确分类,准确率为100%;主成分分析结果表明： 通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后,再对数据进行主成分分析,其中二阶微分预处理后鉴别效果最佳,八种藻类样品在主成分特征空间中独立分布。因此,利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的,操作简便、快速、无损。     

基于主成分分析和聚类分析的不同产地绒柄牛肝菌红外光谱鉴别研究

采用傅里叶变换红外光谱结合主成分分析和聚类分析建立快速鉴别不同产地绒柄牛肝菌的方法。采集15个产地绒柄牛肝菌样品的红外光谱信息,用多元散射校正(multiplicative signal correction,MSC)、二阶求导(Second derivative,SD)、Norris平滑的组合方法对原始光谱进行优化处理,MSC+SD+ND(15,5)预处理后的光谱数据进行主成分分析和聚类分析,并通过主成分载荷图分析不同产地绒柄牛肝菌样品差异的原因。结果显示,该方法的重现性,精密度及稳定性的RSD值分别为0.17%,0.08%,0.27%,表明方法稳定、可靠。主成分分析的前3个主成分累积贡献率达到87.24%,能表达红外光谱的主要信息,主成分得分散点图中同一产地样品成簇聚集,不同产地样品分布于相对独立的空间,能有效区分不同产地样品。主成分载荷图显示,随主成分贡献率降低,主成分所捕获的样品信息减少,其中PC1在3 571,2 958,1 625,1 456,1 405,1 340,1 191,1 143,1 084,935,840,727cm~(-1)波数捕获大量样品信息,归属为糖类、蛋白质、氨基酸、脂肪、纤维素等化学物质的吸收峰,表明这些化学物质含量的差异是区分不同产地绒柄牛肝菌样品的主要依据。基于离差平方和法(Ward method)及欧氏距离(Euclidean distance)进行聚类分析,能直观显示不同产地样品的分类情况及样品之间的相关性,15个产地样品基本能够按照产地来源正确聚类,正确率为93.33%。傅里叶变换红外光谱结合主成分分析和聚类分析,可以有效鉴别绒柄牛肝菌产地来源,并且能够分析不同产地样品具有差异的原因,为野生食用菌的鉴别分类和应用研究提供可靠依据。     

基于主成分分析和聚类分析的FTIR不同地理居群香果树多样性分化研究

应用傅里叶变换红外光谱（FTIR）法测定了浙江省7个不同地区香果树茎和叶的红外光谱,以721～3 366 cm-1范围内的吸收峰吸光度为指标,以红外光谱图为对象,应用主成分分析(principal component analysis, PCA)和聚类分析(Cluster analysis),比较了7个不同地理居群香果树茎和叶在红外光谱图上的差异程度,即各吸收峰所对应的化学成分含量差异。结果表明,香果树茎和叶的红外光谱存在一定差异,叶在聚类分析中所表现出来的居群间的距离系数和主成分分析三维排序图中各居群的相对位置都较大,在研究植物不同地理距离居群多样性分化方面具有比茎更好的效果。与其他地区地理距离相对较远的大盘山和古田山香果树居群红外光谱具有特殊性,多样性分化显著。九龙山、乌岩岭和松阳的香果树居群红外光谱图各有其特点,在三维排序图上的位置差异不大,聚类分析也显示这几个居群间距离系数很小,说明这几个地区香果树居群在植物化学组成上存在一定差异,但居群多样性分化不显著。发现基于FTIR的主成分分析排序图和聚类分析图能够在一定程度上表征植物不同地理居群间多样性的分化,这也表明,FTIR在应用于濒危植物保护方面具有广泛的应用前景。     

FTIR结合聚类分析法在姜科植物物种分类及鉴别中的应用

利用傅里叶变换红外光谱仪分别检测17种姜科植物的的光谱特征,并通过系统聚类和相关性系数法来探讨各植物间的亲缘关系。结果显示,聚类分析树系图和相关性分析结果相吻合,当花叶山姜和黑果山姜的距离系数为1(最小),相关系数为0.991(最高),亲缘关系最近。该研究得出同亚属植物间、野草果与山姜属植物属近缘种,支持了顶花莪术、温郁金在分类系统中的独立性,建议划分为独立种。聚类分析中姜科植物种间的聚合较好,物种鉴定正确率达到100%。因此,FTIR结合聚类分析法在姜科植物物种分类及鉴别中是一种可行性手段。     

Classification Method of Coal and Gangue Using Terahertz Time-Domain Spectroscopy,Cluster Analysis and Principal Component Analysis

Journal of Applied Spectroscopy - The process of coal mining generates high amounts of coal gangue. Accordingly, coal–gangue separation is a key problem limiting coal production and quality....     

三维荧光光谱结合稀疏主成分分析和支持向量机的油类识别方法研究

石油污染的出现,导致生态环境遭到破坏。因此,油类识别方法的研究对于环境的保护具有重要意义。采用荧光光谱法获得石油光谱数据,并对其进行预处理,再通过降维方法来提取特征信息,最后利用模式识别算法进行分类,从而可以实现对油类的定性分析,因此研究一种更高效的数据降维方法以及识别分类算法极其重要。基于三维荧光光谱技术,利用稀疏主成分分析（SPCA）对FS920光谱仪测得的荧光光谱数据进行特征提取,再利用支持向量机（SVM）算法对提取的特征数据进行分类识别,获得了一种更加高效的油类识别方法。首先,利用海水和十二烷基硫酸钠（SDS）配制成浓度为0.1 mol·L-1的胶束溶液,将其作为溶剂配制柴油、航空煤油、汽油以及润滑油各20种不同浓度的溶液;然后,利用FS920光谱仪测得样本溶液的三维荧光光谱数据,对得到的光谱数据进行预处理;最后,对预处理后的数据分别利用SPCA和主成分分析（PCA）进行特征提取,再利用SVM和K最近邻（KNN）两种模式识别算法对特征向量进行分类,最终得到四种模型PCA-KNN,SPCA-KNN,PCA-SVM以及SPCA-SVM的分类结果。研究结果表明,由四种模型得到的分类准确率分别为85%,90%,90%和95%,其中,在同种分类算法中,利用SPCA进行特征提取得到的分类准确率均比PCA的准确率高5%,因此可知,SPCA的稀疏性具有突出主要成分的作用,在提取光谱特征时能够减小非必要成分的影响,并且载荷矩阵的稀疏化可以去除变量之间的冗余信息,优化降维特征信息,为后续分类提供更有效的数据特征信息;在同种特征提取算法下,利用SVM算法进行分类得到的分类准确率均比KNN算法得到的准确率高5%,表明SVM算法在分类中更具有优势。因此,本文利用三维荧光光谱技术结合SPCA和SVM算法,实现了对石油的准确识别与分类,为今后对石油污染物的高效检测提供了新思路。     

有监督主成分回归法在近红外光谱定量分析中的应用研究

介绍了运用有监督主成分回归法建立近红外光谱定量分析模型的原理和方法.利用该方法先进行近红外光谱定量分析建模的波长信息选择,达到降低光谱数据维数的目的,然后建立数学模型,并用其分析预测集样品.文中以66个小麦样品为实验材料,随机选择其中40个样品建立小麦样品中蛋白质含量的近红外光谱定量分析模型,首先优选出4个波长点:4 632,4 636,5 994,5 997 cm-1,利用这4个波长点处光谱信息建立主成分回归模型预测26个样品的蛋白质含量,其结果与凯氏定氮法分析结果的相关系数为0.991,平均相对误差为1.5%.该方法从大量光谱数据中筛选出最重要的部分波长信息,实现了"少而精"的波长点选择,对建立抗共线性信息干扰的光谱定量分析模型,同时对指导专用近红外分析仪器设计中波长点的选择等方面都有一定的意义.