海量光谱中激变变星候选体的数据挖掘

提出一套适用于海量光谱自动快速筛选激变变星的方法.利用已证认的激变变星光谱作为模板,使用主分量分析提取主特征后构造光谱特征矩阵,将海量光谱利用光谱特征矩阵映射到特征空间后,使用支持向量机排除大部分非候选体,最后对较少数量的候选体进行模板匹配并证认,结果作为反馈进一步丰富模板库.实验发现了58个新的激变变星候选体,表明了该方法的可行性,为在LAMOST海量光谱中快速搜索激变变星等稀少天体提供了有效途径.     

SDSS-DR10中WDMS光谱的自动搜索研究

SDSS-DR10是美国SLOAN巡天望远镜发布的最新数据,包含了首批APOGEE光谱。这些海量的天文光谱除了可以用来探寻银河系的结构和进行多波段证认外,还蕴藏着包括白矮主序双星在内的特殊天体。白矮主序双星是一类特殊的双星系统,它由两颗主序星演化而来,包含了中低质量恒星演化的终点—白矮星,以及M矮星。白矮主序双星对于密近双星的演化和参数研究有积极的意义。目前针对这类特殊天体的发现主要使用测光筛选结合后期观测证认的方法,不但准确率低,而且需要耗费较多的人工处理时间,无法满足在海量光谱数据中快速发现目标天体的需要。提出一种适用于在海量天文光谱中自动、快速发现白矮主序双星的方法。该方法针对SDSS的DR10数据,使用改进的遗传算法对海量光谱进行自动识别,寻找白矮主序双星候选体。实验共发现了4, 140个白矮主序双星,通过交叉证认,其中24个是未被收录的新的源。验证了遗传算法在天文数据挖掘和自动搜索方面的有效性,为在海量光谱中快速发现特殊天体提供了另一途径。该方法也可用于在其他巡天望远镜的海量光谱中进行特定天体的自动识别。提供了新发现的白矮主序双星的赤经、赤纬等信息,补充了现有的白矮主序双星光谱库。     

基于小波降噪与支持向量机的恒星光谱识别研究

提出了一种对恒星光谱识别的新方法。 根据恒星光谱数据的特性,我们以支持向量机为核心技术构建光谱识别器。 由于恒星光谱数据通常含有较高的噪声,如果直接进行分类,识别率往往较低。 因此作者首先采用小波分析的方法对原始光谱数据进行降噪预处理,提取光谱的特征,然后馈送到支持向量机完成对光谱数据的最终识别。 利用实际光谱数据(Jacoby, 1984)对所提出的技术进行检测,实验结果表明使用这种小波分析结合支持向量机的技术的识别效果要优于使用支持向量机结合主分量分析降维技术的识别方法。 另外,作者还比较了支持向量机与传统甄别分析的分类性能,对实际及合成光谱进行实验的结果显示了支持向量机的识别正确率不但优于常见的5种甄别分析方法的识别率,而且有较强的泛化能力。     

膀胱肿瘤离体组织的拉曼光谱学研究

使用激光共聚焦显微拉曼光谱仪测取膀胱肿瘤和正常膀胱组织的拉曼特征谱,应用主成分分析/支持向量机(principal component analysis,PCA/support vector machines,SVM)分类器对数据进行判别分析,最后使用弃一交叉验证法(leave-one-out cross validation,LOOCV)测试判别结果的准确度。结果发现膀胱肿瘤组织与正常膀胱组织的拉曼光谱存在明显差异,肿瘤组织在782和1 583cm-1等核酸特征谱带处峰高显著增强,而正常组织在1 061,1 295,2 849,2 881cm-1等蛋白质和脂质特征谱带处峰高显著增强。PCA/SVM可良好区分膀胱肿瘤组织和正常膀胱组织的拉曼光谱,LOOCV测试分类器显示肿瘤诊断的敏感度86.7%、特异度87.5%、阳性预测值92.9%、阴性预测值77.8%。由此得出结论:拉曼光谱可以良好诊断膀胱肿瘤的体外组织,展现了优越的临床应用前景。     

白矮主序双星光谱的参数自动测量研究

白矮主序双星是一类致密的双星系统, 主星是一颗白矮星,伴星是一颗小质量的M型主序星。白矮主序双星光谱的数量相对较少,但对该类天体的研究对于进一步理解密近双星的演化, 特别是公共包层演化的物理机制等重要的天体物理热点有积极的意义。SDSS-DR12是美国SLOAN巡天望远镜发布的最新数据,基于前期实验在其中发现的4, 140个白矮主序双星光谱,通过最小二乘法对这些光谱进行分解后,使用模板匹配方法,测量了这批样本中两个子星的基本参数,包括有效温度、重力加速度、金属丰度等,并对结果进行了分析和统计,进一步丰富了白矮主序双星模板库。白矮主序双星的参数测量的主要问题是计算量大,在实验中使用了GPU技术,提高了匹配效率,在海量光谱处理方向进行了有益尝试。实验结果表明该方法对大型巡天望远镜的海量光谱参数自动处理有较重要的应用价值。     

基于可见光光谱分析的黄瓜白粉病识别研究

白粉病是黄瓜常见病害之一,传播速度极快,严重时可造成黄瓜大量减产,对其进行快速准确识别,对黄瓜白粉病诊断和防治具有重要意义,应用可见光谱技术,结合主成分分析和支持向量机算法,实现对黄瓜白粉病的快速识别。配制白粉病菌孢子悬浮液,并人工接种于科研温室内的黄瓜叶片上,以诱发黄瓜白粉病,待白粉病有一定面积暴发后,利用海洋光学USB2000+型便携式光谱仪对黄瓜叶片光谱信息进行采集,利用五点取样法采集样本,在5个检查点,每点选取2株黄瓜进行调查,每株选取4枚感病叶片,每枚叶片随机选取5个感病区域进行光谱采集,共计采集200个感病叶片光谱样本,同样采集200个健康叶片样本作为对照。通过Ocean Optics Spectra-Suite软件采集漫反射标准白板信息和光谱仪暗电流实现光谱仪校正,调节积分时间、扫描次数以及平滑度等参数来实现光谱曲线平滑处理,以有效抑制光谱噪声,对光谱特征进行分类识别,去掉首尾噪声较大的波段,保留光谱的可见光波段进行研究,最终选取450~780 nm波段范围作为研究对象。利用主成分分析对所研究波段范围内的高维光谱数据（947维）进行降维处理,根据主成分的累计贡献率,选取前5个主成分作为分类模型的输入,以白粉病和健康叶片的判别结果作为输出,利用支持向量机算法,通过对样本的分类学习训练构建黄瓜白粉病和健康叶片的分类识别模型,随机选取120个样本作为训练集用于分类模型构建,其余80个样本作为测试集用于模型检验,并通过选取不同的核函数来获得最优模型。利用混淆矩阵对分类识别模型的准确率进行评价,当选取径向基核函数时,分类识别模型对黄瓜健康叶片和白粉病叶片的识别准确率最高,分别为100%和96.25%,总准确率为98.125%,具有较高的准确率。结果表明,利用可见光光谱信息并结合主成分分析和支持向量机算法,可以实现对黄瓜白粉病的快速准确识别,为黄瓜病害诊断提供了方法和参考依据。     

贴片电阻表面缺陷自动识别方法

贴片电阻生产过程中的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高.针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,在贴片电阻图像二值化、边缘提取、直线检测基础上,以相邻电阻单元的相关系数作为电阻缺陷判别依据,提出基于子图投影匹配的快速缺陷检测方法.采用主分量分析法压缩图像数据量,提取缺陷特征,以基于支持向量机对贴片电阻缺陷进行分类并建立实验系统.缺陷检测及识别实验表明,缺陷检测正确率为92.5%,算法的快速性和识别准确度满足系统快速高精的要求.     

叶绿素荧光PCA-SVM分析的黄瓜病虫害诊断研究

为了对植物病虫害进行快速准确检测,采用荧光光谱技术并结合支持向量机分析方法建立了黄瓜病虫害诊断模型。通过Savitzky-Golay平滑法(SG),SG平滑法+快速傅里叶变换(FFT)和SG平滑法+一阶导数变换(FDT)三种方法对原始光谱进行降噪处理,并利用主成分分析法(PCA)对降噪后的光谱进行降维,根据累积贡献率选取7个主成分进行分析。将样本数据随机分为训练集和预测集,利用四种核函数条件下的支持向量机算法建立了预测模型,并进行预测。以训练集交叉验证的分类准确率最大值为指标,对四种核函数模型进行参数优化,并对比其分类性能,结果表明,经SG+FDT+PCA预处理后,具有多项式核函数的支持向量机对黄瓜病虫害的鉴别准确率达到98.3%,具有很好的分类和鉴别效果。     

贴片电阻表面缺陷自动识别方法

提出了一种基于非下采样Contourlet变换(NSCT)域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性,用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模,给出分类准则,把系数分为重要系数和非重要系数,再采用广义高斯分布来模拟重要系数的概率分布,根据贝叶斯理论得到自适应阈值,并求出最佳参量范围.为了克服软、硬阈值函数的缺点,提出一种自适应的新阈值函数,利用新阈值函数估计出不含噪音的变换系数,并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明,本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.     

一种新的恒星大气物理参数自动估计方案SVR(Haar)

提出了一种新的恒星大气物理参数自动估计的新方案,并称之为SVR(Haar)。由于观测光谱受到大量宇宙辐射、大气和观测设备等引起的噪声干扰,且这种噪声干扰往往是其中的频率较高成分。所以该方案的基本思想是首先使用Haar小波剔除高频噪声成份,以提高恒星大气物理参数估计的准确性;然后使用支持向量机回归方法(SVR)对恒星参数做出估计,该方法能通过ε不敏感域进一步提高对光谱微小畸变和干扰的容许能力,增强解决方案的鲁棒性。为了验证SVR(Haar)方案的有效性,针对相关研究中的权威模拟恒星光谱和SLOAN发布的实测光谱,以及文献中的典型处理方法,做了大量比较实验。实验结果表明,所提出的SVR(Haar)恒星参数估计方案比文献中常用的主成分分析和非参数回归模型均要好。     

SDSS-DR8中激变变星候选体的数据挖掘

提出一套适用于在海量光谱中快速发现激变变星的方法。针对SDSS发布的DR8数据,尝试流型学习方法在海量光谱数据挖掘中的应用。首先使用非线性局部线性嵌入方法(LLE)对海量光谱数据进行降维,然后使用人工神经网络对低维数据进行分类,最后对较少数量的候选体进行人工证认。实验共发现了6个新的激变变星候选体,并与传统的PCA方法进行了比较,验证了LLE方法在天文数据挖掘中的可行性。     

在SDSS DR8恒星光谱中自动搜寻稀有天体

SDSS DR8海量光谱中包含许多有研究价值的稀有天体,如特殊白矮星(DZ,DQ,DC)、碳星、白矮主序双星、激变变星等,如何在海量光谱中自动搜寻稀有天体有着极其重要的意义。提出一种基于核密度估计和K-近邻(K-nearest neighbor, KNN)相结合的方法在SDSS DR8 信噪比大于5的546 383个恒星光谱中搜寻稀有天体。首先对光谱进行高斯核密度估计,选取概率最小的5 000个光谱作为稀有类,概率最大的300 000个光谱作为普通类,然后进行KNN分类,同时也将5 000个稀有光谱的K个最近邻也作为稀有的天体,结果共有21 193条光谱。为了方便分析,对这些光谱聚类后进行人工检查。这些光谱主要包括由于数据缺失、红化、流量定标不准引起的问题光谱、行星状星云、没有物理联系的光谱双星、类星体、特殊白矮星(DZ,DQ,DC)、碳星、白矮主序双星、激变变星等。通过和SIMBAD,NED,ADS及一些主要的文献交叉验证,我们新发现了3个DZ白矮星、1个白矮主序双星、2个伴星为G型星的激变变星,3个激变变星的候选体、6个DC白矮星,1个DC白矮星候选体和1个 BL Lacertae(BL lac)候选体。还发现了1个有CaⅡ三重发射线和MgⅠ发射线的DA白矮星和1个光谱上表现出发射线的晚M恒星但测光图上像是一个星云或星系。     

海量星系光谱中的超新星候选范围自动约减

超新星是恒星世界中已知道的最剧烈的天文现象之一,但目前发现的超新星数量相比于已探测到的数百亿天体而言又是有限的,所以有必要寻找快速高效的超新星搜寻方法或辅助手段。拟在Ⅰa型超新星统计特征描述的基础上提出了一种海量星系光谱下Ⅰa型超新星候选体选择范围自动约减的方法。该方法首先对Ⅰa型超新星模板PCA分析获得特征谱,并获得每条待检星系光谱的低维超新星特征描述,然后通过引入样本的局部孤立性因子进行离群搜索,最后获得总样本数的1%作为继续搜寻证认超新星候选体选择的初始范围。实验表明该方法有效可行,这一方法在海量光谱中自动去除大量不含超新星的星系光谱,为超新星的进一步搜寻证认和后续观测提供了较可靠的候选范围,从而成为直接利用光谱巡天的海量数据获得超新星的高效途径。     

Evidence for Potassium-Sucrose Interaction in Biological Mid-Infrared Spectra by Multidimensional Analysis

Complex-formation between carbohydrates and cations could have important biological implications.

In this work, Mid-Infrared spectra of pure sucrose solutions and of biological solutions containing sucrose and potassium ions (K+) were investigated by Principal Component Analysis (PGA).

By direct examination of the Mid-Infrared spectra of the biological solutions containing K⁺ ions, no interactions between the cations and sucrose molecules could be observed. However, when the spectral pattern obtained by PCA and which is associated with sucrose, was examined, splitting and shifts in the characteristic absorption bands were observed owing to interactions between sucrose molecules and K⁺ ions. The 997 cm-1 peak which had a visible shoulder at 991 cm-1 and that is observed in pure solutions, was decomposed in the biological solutions into 3 distinct peaks at 1004, 996 and 990 cm-1. The two peaks centered at 1053 cm-1 were split into 3 peaks: 1060, 1051, 1045 cm-1. Hence by PCA, shoulders were characterized in biological solutions and more distinct peaks could be observed. These split and shift phenomena are similar to those obtained when crystalline sugar salts were investigated. This type of interaction, involving potassium ions and sucrose molecules, would be responsible for the storage of this cation which role is essential in plant metabolism.     

PCA and Kriging for the efficient exploration of consistency regions in Uncertainty Quantification

For stationary power sources such as utility boilers, it is useful to dispose of parametric models able to describe their behavior in a wide range of operating conditions, to predict some Quantities of Interest (QOIs) that need to be consistent with experimental observations. The development of predictive simulation tools for large scale systems cannot rely on full-order models, as the latter would lead to prohibitive costs when coupled to sampling techniques in the model parameter space. An alternative approach consists of using a Surrogate Model (SM). As the number of QOIs is often high and many SMs need to be trained, Principal Component Analysis (PCA) can be used to encode the set of QOIs in a much smaller set of scalars, called PCA scores. A SM is then built for each PCA score rather than for each QOI. The advantage of reducing the number of variables is twofold: computational costs are reduced (less SMs need to be trained) and information is preserved (correlation among the original variables).The strategy is applied to a CFD model simulating the Alstom 15 MW_th oxy-pilot Boiler Simulation Facility (BSF). In practice, experiments cannot provide full coverage of the pulverized-coal utility boiler due to both practicality and costs. Values of the model’s parameters which guarantee consistency with the experimental data of this test facility for 121 QOIs are found, by training a SM based on the combination of Kriging and PCA, using only 5 latent variables.     

拉曼光谱结合模式识别方法用于大豆原油掺伪的快速判别

大豆原油是我国的战略储备物资,然而目前储油市场上频繁出现大豆原油掺混的现象严重影响了食用油储备安全。基于此,通过大豆原油与部分植物精炼油拉曼谱图的特征差异,并结合主成分分析-支持向量机(PCA-SVM)模式识别建立了大豆原油是否掺伪的快速判别方法。以28个大豆原油、46个精炼油、110个掺伪油的拉曼谱图为模型样本;选择位于780～1 800 cm-1波段的谱图,预处理方法同时采用Y轴强度校正、基线校正和谱图归一化法;在此基础上应用PCA法提取特征变量,即以贡献率最高前7个主成分为变量进行SVM分析。SVM校正模型的建立是以随机选取的20个大豆原油和75个掺伪油样组成校正集,以8个大豆原油和35个掺伪油样组成验证集,分别运用并比较四种核函数算法建立的大豆原油SVM分类模型,并采用网格搜索法(grid-search)优化模型的参数,以四种模型的分类性能作为评判标准。结果表明：应用线性核函数算法构建的SVM分类模型可以很好地完成掺伪大豆原油的判别,校正集识别准确率达到100%,预测结果的误判率为0,判别下限为2.5%。结果表明应用拉曼光谱结合化学计量学能够用于大豆原油掺伪的快速鉴别。拉曼光谱简便、快速、无损、几乎没有试剂消耗,适合现场检测,从而为大豆原油的掺伪分析提供了一种新的备选方法。     

蜜瓜品质光谱检测中异常建模样品的综合评判

针对蜜瓜可溶性固形物含量透射光谱检测中,异常建模样品对模型精度的影响及多种可能来源,提出异常样品的综合评判方法.为防止漏判,分别针对不同来源,采用基于预测浓度残差、Chauvenet检验法及杠杆值与学生残差T检验准则对85个建模样品(偏最小二乘法建模)进行初步判别,共判别出9个疑似异常样品.为防止误判,对疑似样品逐一回收,考察其对建模与预测精度的影响.先后回收5个样品后,所建校正模型相关系数r为0.889,均方根校正偏差RMSEC为0.601°Brix,对35个未知样品的均方根预测偏差RMSEP为0.854°Brix,比未剔除异常样品前所建模型(r=0.797,RMSEC=0.849°Brix,RMSEP=1.19°Brix)精度明显提高,比剔除全部疑似异常样品所建模型(r=0.892,RMSEC=0.605°Brix,RMSEP=0.862°Brix)更稳定,预测精度更高.     

葡萄糖溶液近红外光谱分析中两种常用化学计量学方法的比较

采用主成分回归和偏最小二乘法分别对葡萄糖溶液近红外光谱分析 ,建立数学校正模型。主成分回归模型的相关系数为 0 .9780 ,偏最小二乘法模型相关系数为 0 .9986。对两种方法进行比较 ,确定对葡萄糖溶液近红外光谱分析的方法。     

基于电感耦合等离子体质谱法和化学计量学鉴别蜂蜜品种研究

开展了一种用电感耦合等离子体质谱仪(ICP-MS)结合主成分分析(principle component analysis)和判别分析(discrimination analysis)识别蜂蜜品种的研究。实验选取三种不同品种的蜂蜜: 洋槐蜜, 葵花蜜和油菜蜜, 经湿法消解等预处理后, 利用ICP-MS分别测得蜂蜜样品中20种矿质元素的含量。结果表明电感耦合等离子体质谱法的精密度, 准确度以及回收率等满足要求, 洋槐蜜在主成分得分图上呈现一定的聚集趋势, 而葵花蜜和油菜蜜的聚集趋势不明显, Na, Mg, K, Ca, Sr, Ba, V, Fe, Ni, Sb等十种矿质元素能够成为鉴别蜂蜜品种的特征元素;通过逐步判别分析筛选出Mg, Sr, Ba, Ni, Sb, Cr和Na等七种矿质元素, 并利用贝叶斯判别对这些元素建立线性判别函数, 其中洋槐蜜的判别率为100%, 葵花蜜的判别率为80.8%, 有两个葵花蜜样品误判为油菜蜜, 油菜蜜的判别率为 90.9%, 有一个油菜蜜样品误判为洋槐蜜, 模型交叉验证总判别率为90.3%, 说明矿质元素对蜂蜜品种鉴别具有良好的分类和鉴别效果, 能够为研究蜂蜜品种与矿质元素之间的关系提供理论依据, 该方法具有简单、准确、稳定等特点, 可作为蜂蜜品种鉴别的可靠方法。