基于FTIR-CWT及ANN分类法的中药材菟丝子与同科属金灯藤子的识别方法研究

采用水平衰减全反射傅里叶变换红外光谱法(HATR-FTIR)测定了种子植物中药材菟丝子及同科属种子植物金灯藤子的FTIR,运用基于连续小波变换多分辨率分析法对吸收较为相似的菟丝子及金灯藤子的FTTR进行特征提取.通过分析比较后选择第7,10,13分解层的特征向量,进行人工神经网络(ANN)训练,再用训练出来的网络对不同产地的植物种子菟丝子和金灯藤子所得FTIR小波提取的特征向量进行分类.通过对32个不同样本的验证,说明能够采用基于FTIR-连续小波特征提取及人工神经网络分类法对同科属中药材菟丝子与金灯藤子进行识别.     

离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物

利用水平衰减全反射-傅里叶变换红外光谱法测定了3种药用鳞毛蕨科植物贯众、阔鳞鳞毛蕨和变异鳞毛蕨根部的FT-IR。运用基于离散小波多分辨率分析法对FT-IR吸收较为相似的3种药用蕨类植物根的FT-IR进行特征提取。选择第4、5分解层数的特征向量,进行人工神经网络(Artificial neural network,ANN)训练;再用训练出来的网络对不同产地的3种药用蕨类植物根所得FT-IR小波提取的特征向量进行分类。通过对240个不同样本的预测,说明能够采用基于FT-IR-离散小波特征提取及人工神经网络分类法对同科3种药用蕨类植物根的FT-IR进行识别。     

水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类

采用水平衰减全反射(HATR)-傅里叶变换红外光谱法(FTIR)测定了3种缩叶藓属植物齿边缩叶藓、多枝缩叶藓和中华缩叶藓的红外谱图,运用离散小波变换对吸收较为相似的3种缩叶藓属植物的红外谱图进行特征提取。通过分析比较后选择第三,四分解层进行特征向量的提取,利用所得到的特征变量进行径向基神经网络(RBF-NN)训练,再将训练出来的网络对不同产地的3种缩叶藓属植物的红外谱图离散小波提取后的特征向量进行分类。通过对120个不同样本的验证,说明能够采用基于FTIR-离散小波进行数据压缩后进行特征变量的提取及径向基神经网络分类法对3种缩叶属植物齿边缩叶藓、多枝缩叶藓和中华缩叶藓进行分类。     

Classification of Rat FTIR Colon Cancer Data Using Waveletsand BPNN

本文提出了一种新的基于水平衰减全反射-傅里叶变换红外光谱（HATR-FTIR）的小波特征提取与反向传播人工神经网络模式分类方法以提高FTIR对早期大鼠结肠癌的诊断准确率．对60只DMH诱导的SD大鼠,44只诱导鼠的第二代鼠,36只正常SD大鼠的结肠正常组织、异常增生、早癌及进展期癌组织所获得的的HATR-FTIR,利用连续小波多尺度分析法提取12个特征量,采用反向传播人工神经网络进行分类,识别准确率分别为100%、94%、97.5%及100%．实验结果表明此方法对早期结肠癌具有较高的诊断率．     

大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别

采用水平衰减全反射(HATR)傅里叶变换红外光谱法(FTIR)测定了SD大鼠胰腺正常组织与非正常组织的谱图,提出了一种新的基于FTIR的连续小波特征提取与径向基人工神经网络分类方法以提高FTIR对早期SD大鼠胰腺癌的诊断准确率。利用连续小波多分辨率分析法提取FTIR特征量,对于提取的特征量采用径向基函数神经网络进行模式分类。对SD大鼠的胰腺正常组织、早期癌组织及进展期癌组织的FTIR,利用连续小波多分辨率分析法提取9个特征量,进行RBF神经网络分类判断。当目标误差为0.01,径向基函数的分布常数为5时,网络达到最优化,总的正确识别率为96.67%。并对影响分类结果的网络参数、目标误差和分布常数对分类样品的影响做了讨论。实验结果表明:此方法对早期胰腺癌具有较高的诊断率。     

连续小波变换-独立成分回归算法及其在多组分分析中的应用

采用连续小波变换（CWT）对光谱数据进行处理，用独立成分分析（ICA）进行特征提取，再用回归分析方法对被测组分进行测定，建立了连续小波变换一独立成分回归（CWT-ICR）方法。方法用于肉样品中水分、脂肪和蛋白质多组分的同时测定，所得结果与化学法测得结果相符。     

人工神经网络用于近红外光谱测定柴油闪点

采用主成分－人工神经网络对不同留程柴油的近红外光谱进行校正,预测其闪点。采用监控集控制网络训练过程,以避免过训练。探讨了人工神经网络（ＡＮＮ）、直接线性连接人工神经网络（ＬＡＮＮ）的校正效果,并与局部权重回归（ＬＷＲ）、主成分回归（ＰＣＲ）及偏最小二乘（ＰＬＳ）等校正方法进行了比较,认为人工神经及直接线性关联的较好手段。     

FTIR聚类分析结合差热分析法应用于中药材延胡索表征的研究

采用傅里叶变换红外光谱法（FTIR）对不同品种的大叶、小叶延胡索及非正品延胡索进行了直接测定,并用FTIR聚类分析并结合差热分析法（DTA）对延胡索正品的不同品种及与非正品的亲缘关系进行了研究。FTIR聚类分析结果显示5个样品分为4组,大叶、小叶延胡索为一组,齿瓣元胡、东北元胡和土元胡各为一组;差热分析结果显示正品延胡索品种与非正品延胡索的DTA曲线有很明显的区别。所提出方法可有效地鉴别亲缘关系相近的中药材植物。     

应用小波特征提取肺癌组织FTIR的支持向量机分类方法研究

提出了一种新的基于傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)的小波特征提取与支持向量机(SVM)分类方法以提高FTIR对早期肺癌的诊断准确率. 对肺正常组织、早期肺癌及进展期肺癌组织的FTIR, 利用连续小波(CW)多分辨率分析法提取9个特征量, 支持向量机把其分为正常组与非正常组(包括早期肺癌和进展期肺癌), 对正常组织、早期肺癌和进展期肺癌的识别, 多项式核函数和径向基函数的识别准确率最高. 多项式核函数对正常组织、早期肺癌和进展期肺癌的识别准确率分别为100%, 95%及100%; 径向基函数分别为100%, 95%和100%. 实验结果表明FTIR-CW-SVM模式分类方法对正常肺癌组织、早期肺癌及进展肺癌的识别具有较好的可行性.     

水平衰减全反射傅里叶变换红外光谱法结合化学计量学鉴别问荆与节节草

采用水平衰减全反射傅里叶变换红外光谱法(HATR-FT-IR)测定中药问荆和同科植物节节草的FT-IR谱,运用连续小波变换(CWT)多分辨率分析法对吸收较为相似的问荆及节节草的FT-IR进行特征提取.选择第8、9、10分解层数下的特征值作为分析的基础,采用FT-IR-CWT-SVM法建立了问荆和节节草识别的模型.通过学习训练,对120个预测样品的识别准确率为90%以上.当采用径向基函数作为核函数时,识别准确率达100%.样品的FT-IR经小波特征提取后的特征值有所差异,采用SVM进行识别可以很好地把两者分类.通过对样品的FT-IR小波变换后所得特征值进行SVM的分类,能够有效地进行区别鉴定形态较为相似的同科植物问荆及节节草.     

Identification between Fimbristylis miliacea (L.) Vahl and Fimbristhlis stauntonii Debeaux et Franch.by CWT-FTIR-RBFNN

Horizontal attenuation total reflection‐Fourier transform infrared spectroscopy (HATR‐FTIR) is used to measure the FTIR of Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed. In order to extrude the difference between Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed, continuous wavelet transform (CWT) is used to decompose the FTIR of Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed. Three main scales are selected as the feature extracting space in the CWT domain. According to the distribution of FTIR of Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed, three feature regions are determined at every spectra band at selected three scales in the CWT domain. Thus nine feature parameters form the feature vector. The feature vector is input to the radial basis function neural network (RBFNN) to train so as to accurately classify the Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed. 110 couples of FTIR are used to train and test the proposed method, where 60 couples are used as training samples and 50 couples are used as testing samples. Experimental results show that the accurate recognition rate between Fimbristylis miliacea (L.) Vahl seed and Fimbristhlis stauntonii Debeaux et Franch. seed is respectively 96% and 98% by using the proposed method.     

基于独立分量和神经网络的近红外多组分分析方法

采用小波变换对光谱数据进行压缩,用独立分量分析(ICA)方法提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,再用BP神经网络对混合矩阵和实测浓度矩阵进行建模,提出了基于独立分量分析-神经网络回归(ICA-NNR)的近红外分析建模方法。进一步研究了独立分量数和网络中间隐层的神经元数对模型性能的影响,经优化后的ICA-NNR模型在相关系数与均方根误差两个指标上均优于直接用光谱矩阵作为输入所建立的模型。本方法用于玉米中水分、淀粉、蛋白质3种主要成分含量的同时测定,检验样品集的化学检测值与近红外预测值的相关系数分别达到:淀粉r=0.971,蛋白质r=0.976,水分r=0.975。     

人工神经网络在溶解度预测方面的应用

溶解度作为一项重要的物化指标,一直是化学学科的研究重点。然而,通过实验测量获得数据耗时费力,因此,科研人员建立了多种理论方法来进行估算,其中,人工神经网络因其能够关联复杂的多变量情况而受到广泛关注。本文综述了人工神经网络在物质溶解度预测方面的应用,介绍了应用最广泛的3种神经网络(BP神经网络、小波神经网络、径向基神经网络)的模型结构、预测方法和预测优势,探讨了神经网络的不足以及改进方法。文章最后对神经网络在物质溶解度预测方面的发展前景进行了展望。与其他方法相比,人工神经网络技术在物质溶解度预测方面具有预测结果精确度高、操作简单等特点,具有广阔的应用前景,但输入变量选择、隐含层节点数确定、避免局部最优等问题还需逐步建立系统的理论指导。     

基于小波神经网络的新型算法用于化学信号处理

基于紧支集正交小波神经网络的构造思想,用具有紧支集的Ｂ－样条函数的伸缩和平稳替代小波函数,提出了一种新型算法,并将其应用于化学信号的处理,实现了信号的压缩和滤噪,适应小波神经网络相比,学习速度得到了大幅度的提高。