基于Person VII核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的，而且比较复杂，难以用经典统计方法建立分类判别模型。以支持向量机（SVM）构建的分类器具有更好的分类性能。对于非线性分类，SVM通过核函数将其映射到高维特征空间中，然后再进行线性分类。因此，核函数往往是决定SVM非线性分类性能的关键。实际应用时，一般通过选择几种核函数，并对其参数进行优化，然后根据分类器的预测性能来决定，训练过程非常耗时，而且结果难以保证最优。为此，采用一种通用性的核函数，即PersonVg核函数（PUKF），它可取代目前常用的几种核函数，可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题，均取得了较好的结果。对于多类分类，设计了一种子分类器的构造方法，它在分类性能保持较好的情况下，简化了多类分类器结构，大大降低了计算量。     

基于Person Ⅶ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。     

一类基于模糊神经元的复杂非线性化学模式识别方法

针对模式类别边界曲折而模糊的复杂化学模式分类问题,提出一种化学模式模糊分类方法,并给出其模糊神经元分类器设计和网络训练算法,使模糊神经元分类器具有学习功能.以一个应用实例检验了该方法的实效.     

基于正则化网络-遗传算法的属性筛选及其在化学模式识别中的应用

采用贝叶斯正则化方法训练，以得到推广性优良的神经网络，并提出启发性的遗传算法。通过灵敏度分析对正则化网络实施剪枝，从而在高维模式中筛选出能代表其分类特性的最小最优属性特征子集。此方法应用于高维留兰香模式的属性筛选与模式分类，效果良好，明显优于其它方法。     

一种模式分类降维策略及其在复杂化学信息处理中的应用

采用分类相关分析方法处理复杂化学信息的模式分类问题。从高维模式中提取的分类相关成分,它们相互独立,并集中了原有模式的分类信息。提出由相关量份额选择分类相关成分,计算简便,用以替代原模式,可以显著地降维,使问题简化,分类效果良好。该方法应用于天然留兰香油多类判别,结果良好。     

主成分分析-支持向量机用于肝病分类模型

将主成分分析(PCA)用于肝功能检测数据特征提取,然后用支持向量机(SVM)对乙肝、丙肝、肝硬化、正常人样本建立分类模型。采用高斯径向基函数(RBF)为核函数,调节核函数参数C及σ以建立最佳支持向量机模型。该模型对训练集的识别率为99.3%,对预测集的预测率为96.4%。结果表明:PCA-SVM法建立的肝病分类模型能较好的区分乙肝、丙肝、肝硬化及正常人,且分类效果优于传统支持向量机及人工神经网络(ANN)分类模型。     

山东不同产地丹参的HPLC指纹图谱-化学模式识别研究

建立RPHPLC指纹图谱-化学模式识别评价丹参质量的方法.利用RPHPLC法测定不同产地丹参药材的指纹图谱及丹参酮ⅡAt和丹参酮的含量,采用主成分分析、系统聚类分析和逐步判别分析对指纹图谱信息进行化学模式识别研究.在主成分分析的基础上,以前4个主成分为聚类分析的指标进行系统聚类分析,取阈值为8时,所有样品可被分为4类;并建立了相应的判别函数,回判准确率100%;以此为依据,初步建立了丹参化学模式识别的评价方法.     

多目标的模式识别优化法及其在V－PTC材料设计中的应用

利用多目标的模式识别优化法进行计算机辅助Ｖ－ＰＴＣ材料设计，通过主成分分析研究了Ｖ－ＰＴＣ材料的性能与其特征参数的关系，得到了以Ｖ－ＰＴＣ材料的ρ０／ρｎ、ρｍ／ρｎ、和ρｒ为目标变量的模式识别分类图，并用来探寻具有较好性能的样品的工艺条件和配方参数。根据多目标的模式识别优化法提供的信息，设计并合成了数个优化样品。     

多源光谱信息融合在水质分析中的应用

为解决现有单一光谱法用于水质有机污染综合指标分析精度较低的问题,提出一种基于多源光谱信息融合的水质分析新方法。本方法采用改进的参考独立成分分析方法分别提取紫外吸收光谱和三维荧光光谱对检测水样的多种有效信息特征,去除与水质分析无关的干扰信号;然后采用最小二乘支持向量机进行特征信息融合建模。采用总有机碳指标覆盖范围在3.4~125.3 mg/L内的32个城市地表水和生活污水样本为研究对象,对其紫外光谱、荧光光谱数据进行了信息融合分析实验。结果表明:采用融合分析方法后,对总有机碳指标的分析误差均方根比单一紫外光谱分析法和单一荧光光谱分析法分别下降36.1%和34.7%。     

化学诱导动态核极化在光诱导自由基反应中的应用

介绍了化学诱导动态核极化(CIDNP)的原理以及在光诱导自由基反应机理研究方面的应用。     

主成分分析-支持向量回归建模方法及应用研究

将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法。与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度。将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%~112.6%和88.9%~120.2%。     

粗糙集方法及其在化学模式分类规则挖掘中的应用

简要介绍了粗糙集的基本概念,决策系统的约简步骤和分类规则的挖掘原理,提出了基于信息熵的数据离散化方法,使之充分结合粗糙集特性,具有良好的推广性。又以经典的橄榄油产地判别为例,采用粗糙集方法,无需先验知识,不用设定参数,即能消除冗余的属性和属性值,约简化学系统,从样本数据中挖掘出简明直接、易于理解的产生式分类规则,构建专业意义明确的化学模式分类模型,其预报性能良好,效果令人满意。     

径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF-PLS—Bayes方法。它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法，从原有模式中提取出分类能力甚强的成分，然后进行贝叶斯(Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类，本文将其应用于两种类型的化学模式分类问题，均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比，具有明显的优越性。     

核分段逆回归集成线性判别分析用于质谱数据分类

针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质间的非线性关系,采用了核分段逆回归(KSIR)特征提取集成线性判别分析(LDA)新技术。首先以KSIR算法完成质谱数据的非线性特征提取,然后在由新特征矢量张成的低维空间构造样本类别的线性判别函数,负责各样本个体类别的判定。将KSIR-LDA方法应用于软饮料的质谱数据分类,结果表明:该方法不仅适应质谱数据与性质间的非线性关系,而且可以更少、解释能力更强的特征变量取得更高的分类精度,并能实现在低维特征空间对数据的解释及可视化。     

Application of UHPLC Fingerprints Combined with Chemical Pattern Recognition Analysis in the Differentiation of Six Rhodiola Species

Rhodiola, especially Rhodiola crenulate and Rhodiola rosea, is an increasingly widely used traditional medicine or dietary supplement in Asian and western countries. Because of the phytochemical diversity and difference of therapeutic efficacy among Rhodiola species, it is crucial to accurately identify them. In this study, a simple and efficient method of the classification of Rhodiola crenulate, Rhodiola rosea, and their confusable species (Rhodiola serrata, Rhodiola yunnanensis, Rhodiola kirilowii and Rhodiola fastigiate) was established by UHPLC fingerprints combined with chemical pattern recognition analysis. The results showed that similarity analysis and principal component analysis (PCA) could not achieve accurate classification among the six Rhodiola species. Linear discriminant analysis (LDA) combined with stepwise feature selection exhibited effective discrimination. Seven characteristic peaks that are responsible for accurate classification were selected, and their distinguishing ability was successfully verified by partial least-squares discriminant analysis (PLS-DA) and orthogonal partial least-squares discriminant analysis (OPLS-DA), respectively. Finally, the components of these seven characteristic peaks were identified as 1-(2-Hydroxy-2-methylbutanoate) β-D-glucopyranose, 4-O-glucosyl-p-coumaric acid, salidroside, epigallocatechin, 1,2,3,4,6-pentagalloyglucose, epigallocatechin gallate, and (+)-isolarisiresinol-4′-O-β-D-glucopyranoside or (+)-isolarisiresinol-4-O-β-D-glucopyranoside, respectively. The results obtained in our study provided useful information for authenticity identification and classification of Rhodiola species.     

支持向量机结台主成分分析辅助激光诱导击穿光谱技术识别鲜肉品种

为提高激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)对鲜肉品种的识别率,采用支持向量机结合主成分分析算法辅助LIBS技术对鲜肉品种进行识别.对鲜肉切片用载玻片压平,采用LIBS技术对鲜肉组织(猪肉、牛肉和鸡肉)表面进行光谱数据的采集,每种鲜肉采集150幅光谱并进行随机排列,取前75幅光谱作为训练集建立模型,后75幅作为测试集测试建模结果.研究选取K、Ca、Na、Mg、Al、H、O等元素的49条归一化谱线数据进行主成分分析,并用所得数据建立支持向量机分类模型.结果表明,通过主成分分析降维,输入变量从49个优化减少到18个,模型建模速度从88.91 s降至55.52 s,提高了支持向量机的建模效率;并使预测集的平均识别率提高到89.11%.本研究为激光诱导击穿光谱技术在鲜肉品种快速分类领域提供了方法和数据参考.     

Quality Evaluation of Atractylodis Macrocephalae Rhizoma Based on Combinative Method of HPLC Fingerprint,Quantitative Analysis of Multi-Components and Chemical Pattern Recognition Analysis

A method for the quality evaluation of Atractylodis Macrocephalae Rhizoma (AMR) based on high-performance liquid chromatography (HPLC) fingerprint, HPLC quantification, and chemical pattern recognition analysis was developed and validated. The fingerprint similarity of the 27 batches of AMR samples was 0.887–0.999, which indicates there was very limited variance between the batches. The 27 batches of samples were divided into two categories according to cluster analysis (CA) and principal component analysis (PCA). A total of six differential components of AMR were identified in the partial least-squares discriminant analysis (PLS-DA), among which atractylenolide I, II, III, and atractylone counted 0.003–0.045%, 0.006–0.023%, 0.001–0.058%, and 0.307–1.175%, respectively. The results indicate that the quality evaluation method could be used for quality control and authentication of AMR.