基于光谱技术和支持向量机的生鲜猪肉水分含量快速无损检测

为实现生鲜肉水分含量的快速无损检测,在波长350～1 700 nm范围内采集生鲜猪肉98个样本的可见近红外反射光谱。经中值平滑滤波、多元散射校正和一阶微分复合预处理方法对原始光谱进行降噪处理。将样本数据随机分为训练集和测试集,以训练集交叉验证网格搜索法确定最佳惩罚参数,利用径向基核函数的支持向量机算法建立了支持向量机预测模型,并与偏最小二乘回归建模法进行比较。用径向基核函数的支持向量机算法所建模型对生鲜肉水分含量进行预测的结果为：训练集的预测相关系数R_c为0.96、标准差SEC为0.32,测试集的预测相关系数R_v为0.87、标准差SEV为0.67。实验结果证实用支持向量机所建模型适合于生鲜猪肉水分含量的无损快速检测。     

基于支持向量机及小波变换的人参红外光谱分析

以吉林名贵中药材人参作为研究的主要对象,详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程,以及如何利用人工神经网络(ANN)和支持向量机(SVM)技术建立人参的红外光谱的产地鉴别模型,并详细讨论了ANN模型中相关参数的优化方法以及SVM模型中的核函数及σ值的优化选择。仿真实验表明,建立的ANN模型对40个吉林人参样品产地识别率达到92.5%,而采用径向基核函数的SVM模型的识别率为97.5%,其分类效果明显优于ANN模型。从而表明小样本的情况下,利用SVM结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分,同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持。     

支持向量机对舰船噪声DEMON谱的分类识别

本文采用径向基核函数的支持向量机的分类算法,实现了对舰船目标的分类识别。对两类不同类型的舰船的辐射噪声的DENOM谱建立了支持向量机模型,并进行了分类识别试验。试验结果表明,在结构风险最小的准则下,采用网格搜索法确定,径向基核函数的参数σ取值0.23、惩罚系数C值取13为最优的分类识别参数。并通过留一法验证,该模型具备良好的推广能力,总体正确识别率为91.2%。     

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。     

基于傅里叶变换红外光谱指纹技术的艾叶产地溯源研究

中药材产地对中药材品质与安全有直接影响。从生物学角度,中药材是物种受特定生态环境的影响,在长期生态适应过程中所形成的。药材生长所需的气候、土壤、水文等生态因素与其生长发育和品质唇齿相关,并带有地域信息的指纹特征。近年来,中医药产业的快速发展带来了中药材资源需求量的激增,但同时也存在诸多安全隐患,药材产地难以区分和溯源已成为制约中医药发展的主要瓶颈之一。以国内4个省份5个主产区的75份艾叶样品为实验材料,采用FTIR法进行红外特征分析和数据挖掘,通过比较多种光谱信号预处理方法(如高斯滤波、多元散射校正、标准正态变换、一阶/二阶导数等)和多种模式识别技术(如BP神经网络、随机森林、 K-最近邻算法、贝叶斯算法、粒子群优化支持向量机模型等),探索适合艾叶产地溯源的计量学方法。结果表明,K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模式识别效果最为理想,测试集的正确率均为100%。基于运行时间、鉴别正确率与模型稳定性综合考虑,最终确定K-最近邻算法是艾叶产地鉴别的最优方法。整体来看,红外光谱指纹技术结合适当的化学计量学方法能够用于艾叶的产地溯源,研究结果为艾叶的道地性评价和质量控制提供技...     

利用同步荧光光谱快速鉴别潲水油

为快速鉴别潲水油,采用三维同步荧光光谱结合平行因子法解析潲水油的特征波长差(Δλ),并利用支持向量机建立潲水油鉴别模型。结果表明,潲水油的特征Δλ为60 nm;特征Δλ下的样品原始同步荧光光谱经过主成分分析提取5个主成分,以径向基函数(RBF)为核函数,利用网格搜索和6-fold交叉验证优化建模参数,得到惩罚因子C=512、核参数g=0.5,该条件下建立的模型对训练集和预测集的判别率均达到100%。采用同步荧光光谱可以快速、准确地鉴别潲水油。     

近红外光谱结合灰狼算法优化支持向量机实现烟叶产地快速鉴别

烟草是一种成分复杂的天然植物,地理位置、生长条件等外界因素直接影响着烟叶的品质;我国烟叶种植范围十分广泛,每个产区种植的烟叶都有其独特的风格特征,不同产区的烟叶配比对卷烟的质量起着决定性的作用。为实现烟叶产地准确、快速判别,基于近红外光谱(NIRS),采用灰狼算法(GWO)优化的支持向量机(SVM)算法实现烟叶产地鉴别分类。以8个产地的824个烟叶样本为研究对象,基于x-y距离样本集划分(SPXY)方法得到校正集617个和验证集207个样品。首先应用最佳波长筛选方法,如竞争自适应加权采样(CARS)和随机青蛙(RF)算法减少光谱冗余信息,最终从1 609个变量中分别获得141和534个与产地相关的重要变量,并以此输入SVM作为建模数据,接下来在相同搜索范围内比较了粒子群优化算法(PSO)、遗传算法(GA)和GWO对SVM分类模型的优化效果。结果表明,经RF筛选后的光谱变量较CARS具有更好的产地建模性能,其中RF-GWO-SVM对8个产地烟叶的整体判别正确率达到了96.62%,相较于RF-PSO-SVM和RF-GA-SVM正确率更高。同时,RF-GWO-SVM的运行时间分别比RF-PS...     

SVM参数优化方法分析与决策

针对支持向量机应用过程中的参数选择问题,从UCI数据库选择样本集,分别采用传统的网格法、智能优化算法中的粒子群法及遗传算法实现核函数参数寻优过程,将所得最佳参数应用到样本测试中。在深入分析优化过程中各参数关系、参数对支持向量机性能的影响以及传统与智能优化算法的优劣后,得出了核函数优化策略。即先使用智能优化算法初步确定最优解范围,再结合网格法进行高精度寻优。实验数据验证了参数优化策略的有效性,为扩大支持向量机泛化率、提高应用性做了铺垫。     

塑料激光诱导击穿光谱技术快速分类应用研究

在大气环境中,采用激光诱导击穿光谱技术与支持向量机算法相结合,对来自不同厂家不同颜色的20种工业塑料进行分类研究。首先对分类结果有影响的实验参数进行优化,在最佳的实验参数条件下进行光谱采集,采用6条非金属元素特征谱线,有效缩短了训练支持向量机分类模型所需时间,从而提高了塑料的分类效率。实验结果表明,利用碳、氢、氧、氮等主量非金属元素对这些工业塑料样品进行分类,测试集1 000个光谱数据中有996个识别正确,算术平均识别精度达到99.6%。在选取较少的主量非金属特征谱线的情况下,结合采用支持向量机算法,可以实现激光诱导击穿光谱技术对更多类型的塑料制品快速、高精度分类,为激光诱导击穿光谱技术在实现塑料分类方面提供了数据参考。     

基于支持向量机回归的LIBS飞灰含碳量定量分析

采用激光诱导击穿光谱(LIBS)技术对配制的飞灰样品进行实验分析,应用支持向量机回归(SVR)模型对飞灰的含碳量进行预测。运用网格搜索法分别对径向基(RBF)核函数和多项式函数的结构参数进行寻优,然后分别建立基于内标元素特征光谱、全谱和主要元素特征光谱的SVR模型。研究表明,基于RBF和多项式核函数的SVR模型在理想的结构参数下可以取得相同的分析精度,但RBF能较快地完成模型优化并且不易出现欠拟合的现象。基于内标元素特征光谱的SVR模型的分析精度与内标法相当,基于全谱的SVR模型出现明显的过拟合现象。基于主要元素特征光谱的SVR模型的回归系数为0.986,校正均方根误差为1.79%,预测均方根误差为2.57%,说明该模型可以有效避免欠拟合和过拟合。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2 THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

基于荧光光谱的苹果汁品种产地分类研究

苹果的品种对于苹果汁的质量是极其重要的,因此检测苹果汁的品种产地对于打击假冒伪劣产品,维护消费者的合法权益是十分有必要的。本文采集了云南和陕西两个区域的不同品种的苹果所榨的89份苹果汁的荧光光谱,其中62个样品作为建模集利用支持向量机进行了建模并进行交叉验证,识别准确率为100%。剩余的27个样品作为验证集对模型进行验证,识别准确率为96.3%。实验结果证明荧光光谱结合支持向量机技术是一种可靠的检测果汁品种产地的技术手段。     

基于能量色散X射线荧光光谱的鱼粉产地溯源方法研究

鱼粉是一种在养殖业中占有重要地位的高蛋白饲料原料.我国对鱼粉的市场需求很大,但不同产地的鱼粉存在品质差异的问题.为保证鱼粉品质安全,建立鱼粉产地溯源系统具有非常重要的意义.能量色散X射线荧光光谱根据元素辐射X射线荧光光子能量不同,能够检测样品矿物质元素种类和含量.鱼粉所含矿物质元素种类和含量会因鱼粉产地不同而存在差异,...     

基于PCA-SVM的仿刺参产地溯源在线系统研究

仿刺参是具有极高经济价值的水产资源,是海水养殖产业的重要组成部分,研发出一种灵活、稳定、高效的仿刺参产地溯源方法对于水产养殖产业具有极强的现实意义。仿刺参主要有三种养殖方式,分别是底播增殖、圈养养殖和筏式养殖。不同产地采用不同的养殖方式,仿刺参的营养价值、药用价值和经济价值都存在着明显差异。不同产地初级生产者的构成不同,作为初级生产者的不同藻类与浮游生物体内的脂肪酸特征也各不相同,通过食物链的传递,不同产地的仿刺参具有了不同的脂肪酸特征。气相色谱指纹图谱法是一种快速准确地食品产地溯源技术,碳稳定同位素质谱法不仅可以鉴别产地还可以区分出食品的营养价值。采集9个最具代表性产地的仿刺参样品,先利用Folch法对样品进行总脂提取,再通过气相色谱仪测定出各种脂肪酸的种类及其相对含量;最后使用稳定同位素质谱仪测定出每种脂肪酸各自的碳稳定同位素组成数据。使用单因素方差分析法对脂肪酸相对含量和脂肪酸碳稳定同位素组成数据进行显著性检验,各筛选出17种脂肪酸数据作为两个模型的输入。主成分分析(PCA)法可以降低数据的维度,聚合不同种脂肪酸数据的溯源特征,提高产地溯源的精度。支持向量机(SVM)是一种以结构化风险最小为目标的分类识别算法,具有优秀的泛化能力。研究结果表明,不同产地仿刺参的脂肪酸相对含量和脂肪酸碳稳定同位素组成数据存在明显差异。通过主成分变换后,脂肪酸数据的聚类特征更加明显,运用随机交叉验证法确定前6个主成分作为两个支持向量机分类器的输入。采用基于遗传交叉因子改进的粒子群优化算法(GPSO),以粒子不同K值各100次交叉验证的平均准确率作为其适应度,寻找支持向量机分类器模型的最优参数组合。最终计算得到脂肪酸相对含量产地溯源模型的最优参数组合为σ=6.247 599和C=14.313 042,平均准确率为79.49%;脂肪酸碳稳定同位素组成产地溯源模型的最优参数组合为σ=7.626 194和C=2.193 410,平均准确率为98.33%。对比交叉验证的结果,脂肪酸碳稳定同位素组成产地溯源模型具有更高的准确率和更强的泛化性能。在两个模型的识别结果不一致时,采用脂肪酸碳稳定同位素组成模型的识别结果。将实验室检测与互联网技术进行整合,构建了仿刺参产地溯源在线系统。实现了“互联网+产地溯源”的一体化溯源模式,为进一步开展食品产地溯源研究提供了科学依据和技术支撑。     

FTIR结合化学计量学对三七产地鉴别及皂苷含量预测研究

不同产地对中药次生代谢产物有显著影响,产地鉴别有助于中药的科学合理利用;其次,有效成分含量检测是评价中药质量的主要手段。通过傅里叶变换红外光谱结合化学计量学建立快速鉴别三七产地及测定三七中四种主要皂苷的方法,为三七的科学、合理、规范使用以及对三七质量进行快速评价提供依据。采集5个区域12个产地117个三七样本的红外光谱。产地鉴别预处理数据采用离散小波变换除去噪音造成的部分高频信号,偏最小二乘判别对产地判别贡献率大于1的数据进行筛选,kennard-stone算法将117个个体分为70%训练集与30%预测集。训练集数据用于建立支持向量机判别模型,交叉验证法用于筛选支持向量机最优参数,预测集数据对支持向量机判别模型结果进行验证。皂苷含量预测预处理数据采用标准正态变量变换、离散小波变换处理;处理的红外数据设为X变量,三七样品中通过高效液相色谱法测得的四种皂苷总量设为Y变量,采用正交信号校正去除红外光谱中与四种皂苷总量无关的干扰数据。个体数据分为80%训练集与20%预测集,训练集建立偏最小二乘回归模型,预测集数据对偏最小二乘回归模型的预测结果进行验证。结果显示： (1)交叉验证法得到支持向量机判别模型的最优参数为c=2.828 43,g=0.062 5,训练集的产地判别最优正确率为91.463 4%;(2)支持向量机判别模型参数设置为最优参数,代入预测集数据,预测集的产地判别正确率为94.285 7%,判别正确率较高;(3)训练集建立偏最小二乘回归模型的相关系数R2=0.941 8,校正均方差RMSEE=4.530 7;(4)代入预测集数据,预测集的相关系数R2=0.962 3,外部检验均方差RMSEP=3.855 9,皂苷预测值与高效液相检测值接近,预测效果良好。傅里叶变换红外光谱结合支持向量机能对三七进行产地鉴别,正交信号校正结合偏最小二乘回归能对三七中四种主要皂苷总量进行准确预测,为三七质量控制提供一种快速简便、无损、高灵敏度的检测方法。     

基于参数优化支持向量机的林下参净光合速率预测模型

使用K-fold交叉验证方法,通过两种支持向量机函数,四种核函数,grid-search算法,遗传算法,粒子群算法,建立对个体净光合速率预测拟合程度最高和最佳惩罚参数c的支持向量机模型.将可见光光谱组成成分配比关系归为一个P粒子,将叶温、散射辐射、气温等归为一个ε粒子.通过信息粒子化技术对影响个体净光合速率的因子进行降维处理,使得分析光合有效辐射、可见光光谱组成成分和个体净光合速率之间的相关关系成为了可能.试验结果表明,epsilon-SVR-RBF-Genetic Algorithm模型,nu-SVR-linear-grid-search模型和nu-SVR-RBF-Genetic Algorithm模型对光合有效辐射和P粒子组成预测集的拟合程度均达到97%以上,nu-SVR-linear-grid-search模型的惩罚参数c值最小,泛化能力最强,最终采用该模型对光合有效辐射、P粒子和ε粒子组成的预测集进行预测分析,拟合程度达到96%以上.     

基于太赫兹衰减全反射光谱的水质分析

随着人口的增长和社会的迅速发展,水资源短缺和水污染问题日益严重。水质分类作为水质污染评估工作中的一项重要环节,其意义和作用也更加突出。基于太赫兹衰减全反射（THz-ATR）光谱和模式识别技术,提出了一种水质分析模型。利用太赫兹时域光谱系统和衰减全反射模块测量了纯净水、自来水、河水、海水A和海水B五种水样的太赫兹衰减全反射光谱,通过光学参数提取模型获得0.2～1.0 THz频率范围内五种水样的折射率、吸收系数、介电常数实部和介电常数虚部。利用主成分分析（PCA）对折射率进行降维和特征提取,分别作出样品在第一、二主成分上的二维得分图和前三个主成分上的三维得分图,结果显示,基于折射率的主成分得分图可以明显的区分不同的水样。为了进一步对不同水样进行准确分类,将降维之后的数据输入到支持向量机（SVM）中构建水样分类模型,每种水样随机选取其中的五分之三作为训练集,剩余的数据作为测试集,同时引入网格搜索（GridSearch）、遗传算法（GA）和粒子群（PSO）三种优化算法对支持向量机参数进行优化。结果显示,基于网格搜索算法的支持向量机最优参数c和g分别为1.414 2和2.0,准确率为99.0%;基于遗传算法的支持向量机最优参数c和g分别为1.675 4和5.966 5,准确率为99.5%;基于粒子群算法的支持向量机最优参数c和g分别为3.154 9和12.589,准确率为100%。可以看出,使用不同的优化算法得到的最优参数不同,所构建的支持向量机分类模型都可实现正确的分类,且分类准确率均高达99.0%以上。研究结果表明,利用粒子群优化算法基于折射率构建的PCA-SVM分类模型效果最优,可以准确识别不同水样,为水质分类奠定了基础。     

基于粗糙集核优化的支持向量机在多组分污染气体定量分析中的研究与应用

研究基于粗糙集核优化的支持向量机(RS-SVM)在红外光谱定量中的应用。通过粗糙集分类的方法对多组分污染气体红外光谱对应的特征波长段进行核函数初始数据的优化,再将优化后的核函数带入支持向量机,从而将二维混合光谱信息投影到高维空间,再进行单种气体浓度的反演运算。通过采用LS-SVM和PCA-SVM两种典型的光谱数据处理算法作对比,对五种混合气体各组分定量分析进行比较。当光谱可分度高时,三种方法的预测值都接近标准值,平均误差接近于0.13;而当光谱可分度低时,RS-SVM的预测值比前两种更精确,且当待测种类越多时,该方法精度和运算时间的优势越显著。     

基于太赫兹时域光谱和模式识别技术软玉和仿品鉴别

玉石是一种稀有的矿物质,自古以来备受国人喜爱,其真伪鉴别一直是珠宝鉴别行业的棘手难题,传统的鉴别方法已经难以实现对真假玉石的准确鉴别。太赫兹检测技术可以实现快速无损检测,在混合物的分类鉴别方面,有广泛的应用。基于太赫兹时域光谱技术和模式识别技术,对来自我国新疆、青海,以及巴基斯坦、阿富汗四个地区的软玉样品及玻璃、大理石、石包玉三种仿品,使用透射模式测得样品在0.1~1.5 THz频率范围内的太赫兹谱,通过参数提取得到其折射率谱线。由于其化学成分的复杂和多样性,仅靠其特征谱线图,并不能正确的区分软玉和仿品,为了更好的对其进行鉴别,需要建立分类模型。采用主成分分析（PCA）对实验得到的原始折射率数据进行降维和特征提取,作出样品在第一、二主成分上的二维得分图,在图中可以看出软玉和仿品能够很明显的区分开来。在经过降维处理之后的数据中,随机选取其中的四分之三作为训练集,剩下的作为测试集,输入到支持向量机（SVM）建立的分类模型中,并引入网格搜索（GridSearch）、遗传算法（GA）和粒子群算法（PSO）对支持向量机参数进行优化。结果显示,基于网格搜索的支持向量机最优参数c=2.828 4,g=2,识别率为97.7%,运行时间为1.39 s,用时最短;基于遗传算法的支持向量机最优参数c=1.740 1,g=4.544 6,识别率为98.3%,运行时间为3.6 s;基于粒子群算法的支持向量机最优参数c=11.287 2,g=1.833 1,识别率为98.6%,运行时间为6.13 s,用时最长。虽然三种优化算法得到的最优参数不同,但均可实现正确的分类。研究结果表明,使用太赫兹时域光谱技术结合模式识别方法可以快速、准确的鉴别软玉和仿品,这为玉石的鉴别提供了一种新手段。