鞋底材料的差分拉曼光谱可视化快速鉴别

利用差分拉曼光谱技术和决策树模型,建立了常见鞋底材料种类鉴别的分类模型,为鞋底材料种类鉴别提供了一种新方法.通过前期谱图预处理后,根据样本主要成分的不同对样本进行分类,然后利用主成分分析和层次聚类分析验证分类结果;基于分类结果建立分类树模型,最终对51个样本实现了整体分类正确率为98.0％的识别分类,经交叉验证后正确率...     

基于DT-KNN-FDA建模的车漆光谱无损鉴别

为了对车漆进行快速、高效、低成本的无损鉴别,采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法,进行了理论分析和实验验证.收集并取得了车漆共计60个样本的红外吸收光谱实验数据,通过对特征波数的选择,建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类...     

基于激光拉曼光谱的氯苯低浓度探测

采用激光拉曼光谱技术对氯苯的25种不同浓度的CCl4溶液进行了分析。研究结果表明,在253~0.44g/L范围内,氯苯及CCl4振动拉曼光谱强度比与氯苯浓度呈线性关系,利用最小二乘法拟合得到线性相关系数为0.995。激光拉曼光谱技术具有快速、无损、样品无需预处理等优点。该研究为有机分子的低浓度测量及定量分析提供了一种可行的光谱测量方法。     

基于径向基函数的水性木器漆喇曼光谱鉴别

水性木器漆是一种犯罪现场常见的微量物证,在法庭科学领域广受关注。为了实现对水性木器漆中复杂化学成分的检测分类,采用具有较高分辨能力和无损检验特点的喇曼光谱,结合主成分分析和径向基函数神经网络两种数据挖掘技术,对3种品牌共38个水性木器漆样本的喇曼光谱进行了数据分析。结果表明,径向基函数模型下可得到准确率为78.9%的分类识别。采用傅里叶变换喇曼光谱结合径向基函数模型实现对水性木器漆的鉴别与分类,为实践中木器漆的分类研究提供新思路。     

基于密集连接网络模型的致病菌拉曼光谱分类

细菌拉曼光谱信号弱、相似度高且易被噪声干扰,使用传统机器学习方法对其分类时必须进行繁杂的光谱预处理,效率低下。为提高细菌拉曼光谱分类的准确率和效率,提出了一种基于密集连接的一维卷积神经网络模型Ramannet,无需额外的光谱预处理就能有效完成光谱分类。实验结果表明,Raman-net对Bacteria-ID公开数据集中30种细菌低信噪比拉曼光谱的分类准确率为84.26%,显著高于传统机器学习方法及对比方法。对于碳青霉烯类抗生素敏感和耐药的2种肺炎克雷伯菌表面增强拉曼光谱,Raman-net取得了99.16%的分类准确率。这表明对于细菌的普通拉曼光谱和表面增强拉曼光谱,Raman-net无需光谱预处理就能取得较好的分类效果,为致病菌的拉曼光谱鉴定提供了一种快速有效的方法。     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55 nm的金纳米粒子溶胶为基底,在785 nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10~(-17)mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见的人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55nm的金纳米粒子溶胶为基底,在785nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10-17mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

一种基于兴趣点分布的匿名框KNN查询方法

针对利用匿名框实现的兴趣点K近邻（KNN）查询带来的通信开销大、时延长等问题,提出了基于单一兴趣点Voronoi图划分和四叉树层次化组织的KNN查询方法。该方法根据兴趣点层次信息有针对性的构造查询匿名框用来获取详细查询信息,在保护位置隐私的同时,降低了查询通信开销,同时注入虚假查询保护了用户的真实查询内容隐私。最后分别采用模拟地理数据和真实地理数据进行理论分析和有效性验证。     

基于最近邻比较和中值滤波的拉曼光谱spike自动检测及剔除方法研究

激光拉曼光谱技术具有原位、实时、多物质同时探测的优点,在实验室内已经得到了广泛研究,并逐渐应用于深海海底等极端环境下的原位探测。由于CCD等光谱探测器可能受到宇宙射线的干扰,会在拉曼谱图上形成位置随机的spike,对拉曼光谱分析造成干扰。将最近邻比较和中值滤波相结合的方法应用于海水实测拉曼光谱spike的检测剔除,首先将原始拉曼光谱分为拉曼峰区域和非拉曼峰区域,对拉曼峰区域使用最近邻比较法处理,对非拉曼峰区域使用中值滤波方法,结果显示该方法能将非拉曼峰区域和拉曼峰区域的spike完全剔除,没有出现误检和漏检,且不会对拉曼特征峰强度产生影响,有助于提高拉曼光谱定性定量分析的精确性和稳定性。     

基于MCT可逆线路的量子线路近邻化排布

为了实现量子线路线性最近邻（LNN）排布,给出了可逆MCT门的最近邻Toffoli门级联方法.为了解决线路近邻化中额外插入的SWAP门增加量子代价的问题,引入NNTS门减少插入的SWAP门数,并给出了MCT门基于NNTS门的最近邻线路排布.提出了量子线路近邻化排布算法,将多控制MCT门通过交换线路的顺序得到其最近邻线路排布,然后将每个NNTS门替换为其最优的LNN量子线路实现,得到该MCT线路的LNN量子线路,该方法可以减少量子线路的长度和量子代价.通过Benchmark例题测试,并与现有的线路近邻化结果进行比较,所需插入的SWAP门数平均减少42.83%,量子代价平均改善率达14.80%.     

激光拉曼光谱法无损鉴别三七及其伪品

应用激光拉曼光谱技术准确无损鉴别三七及其伪品菊三七、藤三七和姜黄。采集了三七及其伪品的拉曼光谱图,并结合二阶导数拉曼图谱对其进行定性鉴别。四种药材的图谱中均出现了1330、1040、943、310 cm-1糖类碳水化合物的拉曼特征峰。三七的谱图中出现了1080 cm-1和1120 cm-1皂苷类化合物的拉曼振动峰;菊三七的谱图中出现了820、899、1144、2935 cm-1b-谷甾醇、吡咯里西啶类生物碱及长链脂肪烃的拉曼特征峰;藤三七的谱图中出现了1462 cm-1和1695 cm-1的腺苷类和尿嘧啶类化合物的拉曼振动峰;姜黄的谱图中出现了962、1187、1433、1596、1630 cm-1等姜黄素类化合物的拉曼振动峰。以上专属特征峰的差异可将三七及其伪品进行很好的区分,并据谱图信息可建立四味中药的拉曼指纹图谱。二阶导数拉曼光谱图可以对三七及其伪品的鉴别结果进行进一步补充验证说明。此方法可准确直接、快速鉴别三七及其伪品。     

近邻法参考样本集的最优选择

为克服近邻分类法需要大量计算和存储的缺点,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集.当错误率阈值设为0时,可以得到原训练集的一致子集.当错误率阈值设为适当的非零值时,可以较好地克服近邻估计的偏置.通过在Tabu搜索中引入适当的激活(aspiration)条件,避免了在可行和不可行解区间无意义的来回搜索,加快了收敛的速度.实验结果表明,本文算法在压缩比和分类性能上都优于经典的算法.本文还证明了Dasarathy的算法^[6]得到的最小一致子集(Minimal Consistent Set: MCS)不是最小的,其MCS也不一定是单调减的.     

基于矩阵变换的线性最近邻量子线路综合与优化

为了构造线性最近邻量子线路,降低线性量子可逆线路的量子代价,提出了一种基于矩阵变换的线性量子线路综合与优化方法.该方法给出了线路的矩阵表示和基于矩阵的近邻CNOT（Controlled NOT Gate）门判定,并提出矩阵分组的最佳方案,保证了线路综合中CNOT门数量最优.为了实现量子线路近邻化,提出了swap门的矩阵表示及线路近邻化规则,证明了两种swap门添加方式的等效性;提出了不同情况下swap门的消除规则,降低了近邻化后量子线路的量子代价.选择benchmark例题库中具有代表性的线路进行实验,与已有的量子线路近邻化算法相比,线路量子代价平均优化率为34.31%.     

一种基于改进近邻分类器的人脸识别方法

在人脸识别研究问题中,传统的K-近邻分类器是仅基于一种测度进行分类的.但是,这种仅基于一种测度进行分类的方法没有充分考虑不同特征间的相似信息,因而往往分类不够准确.针对这个问题,本文提出了基于距离和角度两种测度联合分类的改进近邻分类器.即在距离测度的基础上融合cosine分类器的角度信息作为分类测度,同时在分类过程中运用模糊识别,以改善传统近邻分类器的分类效果.经计算机仿真数据实验,表明这种改进的近邻分类器与Gabor小波的结合,提高了人脸识别率.     

乐山茶叶的近红外光谱分类识别

以乐山产正品竹叶青、劣质竹叶青和峨眉山毛峰为研究对象,提出了一种基于近红外光谱的不同茶叶品种分类识别算法.该算法采用多元散射校正(Multiplicative Scatter Correction,MSC)对3种茶叶的近红外光谱数据进行预处理,最大限度地扣除光谱数据中的随机变异;再采用主成分分析算法(Principal Component Analysis,PCA)对预处理后的光谱数据进行降维,去除冗余;接下来进行线性判别分析(Linear Discriminant Analysis,LDA),进一步提取特征;最后采用K_近邻算法(K_Nearest Neighbor,KNN)对LDA结果的前两个特征进行分类,从而达到对茶叶进行定性分类的目的.实验结果表明,该算法能有效地对3种茶叶进行分类,正确识别率达到100％.本研究为不同品种茶叶的分类识别提供了一种新思路.     

M2LSH:基于LSH的高维数据近似最近邻查找算法

在许多应用中,LSH(Locality Sensitive Hashing)以及各种变体,是解决近似最近邻问题的有效算法之一.虽然这些算法能够很好地处理分布比较均匀的高维数据,但从设计方案来看,都没有针对数据分布不均匀的情况做相应的优化.针对这一问题,本文提出了一种新的基于LSH的解决方案(M2LSH,2 Layers Merging LSH),对于数据分布不均匀的情况依然能得到一个比较好的查询效果.首先,将数据存放到具有计数功能的组合哈希向量表示的哈希桶中,然后通过二次哈希将这些桶号投影到一维空间,在此空间根据各个桶中存放的数据个数合并相邻哈希桶,使得新哈希桶中的数据量能够大致均衡.查询时仅访问有限个哈希桶,就能找到较优结果.本文给出了详细的理论分析,并通过实验验证了M2LSH的性能,不仅能减少访问时间,也可提高结果的正确率.     

基于拉曼光谱技术的可燃液体快速检测研究

拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动对物质进行定性分析,广泛应用在很多领域。拉曼光谱可应用于便携式监测系统,但其数据量偏大,如果不对其数据处理,会增加后续的分析时间,影响自动识别的速度。文中选取九种常见可燃液体90#汽油、93#汽油、97#汽油、丙酮、二甲苯、甲醇、乙醇、乙二醇、叔丁醇为例,对其进行数据预处理分析,特征峰提取效果显著,进而对数据进行512点的压缩,然后选取支持向量机(support vector machine,SVM)分类算法和随机森林分类算法进行模型训练。研究结果表明,随机森林算法的识别可燃液体样品的交叉验证精度高于SVM算法,随机森林算法的均方误差的结果也都优于SVM算法。运用拉曼光谱技术可明显检测出可燃液体样品的谱峰,对数据进行压缩,提高分析速度,可为后续仪器小型化提供技术参考。