浓度分段模型应用于人体血清葡萄糖的FTIR/ATR光谱分析

利用傅立叶变换红外光谱(FTIR)和衰减全反射(ATR)技术,建立了人血清葡萄糖的快速定量分析方法。根据葡萄糖水溶液与纯净水差谱得到葡萄糖的指纹吸收波段(1 200~900 cm-1),分别在全谱(4 000~600 cm-1)和指纹波段建立偏最小二乘法(PLS)模型,指纹波段的预测效果明显好于全谱。选择指纹波段后,提出一种根据浓度分段分别建模然后进行组合的建模方法。按照全部样品、低浓度样品、高浓度样品分别建立模型后,根据3个模型进行综合决策。应用独立的检验集对样品进行测试表明,按葡萄糖浓度范围分段建立组合模型的预测效果优于基于全部样品建模的预测效果。对于分段阈值附近的样本,低浓度和高浓度模型的预测效果差别不大。浓度分段组合模型的预测均方根偏差(RMSEP)和预测相关系数(Rp)分别为0.732mmol/L和0.948。     

浓度分段模型应用于人体血清葡萄糖的FTlR/ATR光谱分析

利用傅立叶变换红外光谱（ FTlR）和衰减全反射（ ATR）技术,建立了人血清葡萄糖的快速定量分析方法。根据葡萄糖水溶液与纯净水差谱得到葡萄糖的指纹吸收波段（1200~900 cm-1）,分别在全谱（4000~600 cm-1）和指纹波段建立偏最小二乘法（ PLS）模型,指纹波段的预测效果明显好于全谱。选择指纹波段后,提出一种根据浓度分段分别建模然后进行组合的建模方法。按照全部样品、低浓度样品、高浓度样品分别建立模型后,根据3个模型进行综合决策。应用独立的检验集对样品进行测试表明,按葡萄糖浓度范围分段建立组合模型的预测效果优于基于全部样品建模的预测效果。对于分段阈值附近的样本,低浓度和高浓度模型的预测效果差别不大。浓度分段组合模型的预测均方根偏差（ RMSEP）和预测相关系数（ Rp ）分别为0.732 mmol/L和0.948。     

基于移动窗口-迭代遗传算法的近红外光谱波长选择方法

光谱样本数据常会受到环境噪声和其它组分的干扰，应作波长选择，以提高分析精度。近红外光谱谱区宽，搜索空间过大，难以直接采用遗传算法进行波长选择。为此本研究提出先用移动窗口偏最小二乘法（MWPLS）从宽谱区中初选出信息区间，再采用改进的迭代遗传算法（IGA）从中选出最优的信息子区间。MWPLS用移动窗口沿全谱区扫描，对信息区间的定位效果好，而IGA将顾及光谱数据的连续相关特性，运行多轮GA，并以上轮选择结果平滑处理后作为先验知识支持下轮的种群初始化。由此选出的连续相邻的波长点作为自变量，进行PLS建模，既可显著地简化模型，又保留一定的数据冗余，模型的稳健性好、分析精度高。将其用于小麦水分的近红外分析，效果良好，预测性能明显优于其它方法。     

基于聚类分析的局部建模方法在茶叶近红外光谱分析中的应用

为提高茶叶中咖啡碱、氨基酸近红外光谱分析模型的预测精度,采用基于聚类分析的局部建模方法。先提取茶叶样品光谱数据的特征因子,使用聚类分析对样品进行硬划分,经样品间距离和类间距离判别,确定单个模型定标样品个数。完成特征谱带的分析并进行波段选择后,随机抽取15个样品,偏最小二乘法局部建模结果显示:咖啡碱、氨基酸的预测平均相对偏差分别由聚类前的5.80%和6.14%下降为聚类后的2.75%和2.44%,模型预测精度显著提高。     

基于移动窗口-迭代遗传算法的近红外光谱波长选择方法

光谱样本数据常会受到环境噪声和其它组分的干扰,应作波长选择,以提高分析精度.近红外光谱谱区宽,搜索空间过大,难以直接采用遗传算法进行波长选择.为此本研究提出先用移动窗口偏最小二乘法(MWPLS)从宽谱区中初选出信息区间,再采用改进的迭代遗传算法(IGA)从中选出最优的信息子区间.MWPLS用移动窗口沿全谱区扫描,对信息区间的定位效果好,而IGA将顾及光谱数据的连续相关特性,运行多轮GA,并以上轮选择结果平滑处理后作为先验知识支持下轮的种群初始化.由此选出的连续相邻的波长点作为自变量,进行PLS建模,既可显著地简化模型,又保留一定的数据冗余,模型的稳健性好,分析精度高.将其用于小麦水分的近红外分析,效果良好,预测性能明显优于其它方法.     

遗传算法在近红外无创伤人体血糖浓度测量基础研究中的应用

遗传算法（GA）应用在偏最小二乘法（PLS）校正模型的波长优化选择中具有显著的效果。将遗传算法作为模块循环运行，能更快达到最优解，有效提高测量精度，减少建模所用波长数。本文将该方法应用于无创伤人体血糖浓度光学检测的基础研究中，验证实验所用样品为：①葡萄糖水溶液；②包含牛血红蛋白和白蛋白的葡萄糖水溶液；③人血中的血浆（含葡萄糖）。结果表明：建模的波长个数可分别减少88%、86%、85%；预测标准偏差（RMSEP）分别减少56%、64%。这对无阶伤人体血糖浓度光学检测理论的进一步研究具有指导意义。     

基于组合偏最小二乘的特征波段优选方法在氨、碱化处理玉米秸秆粗蛋白检测中的研究

该文构建了玉米秸秆粗蛋白定量分析模型,并对光谱特征波段选取方法进行探讨及验证。首先对107个样本进行预处理,剔除两个异常样本后采用DB2小波缺省阈值4层分解方式进行光谱重构,预处理后粗蛋白模型交互验证决定系数R²CV从0.788 9提高至0.920 8,采用间隔偏最小二乘(IPLS)及其改进型方法后向区间间隔偏最小二乘(BIPLS)、组合间隔偏最小二乘(SIPLS)进行特征波段选取,并对比主成分分析、竞争性自适应重加权采样法、相关系数法、遗传算法、移动窗口最小二乘等结果,发现基于IPLS及其改进型BIPLS、SIPLS均可有效、准确定位特征波段区间,其中采用SIPLS 30波段间隔在10 128～10 398 cm^-1与11 196～11 462 cm^-1时具有最优模型,验证集相关系数(r_p)为0.978 4,验正集决定系数(R²P)为0.957 2,验正集均方误差根(RMSEP)为0.221 1,相比于其他波段选取方法表现出较好的实时准确性,该方法可为玉米秸秆氨碱化最优条件判...     

基于迭代缩减窗口自助软收缩算法的近红外光谱变量选择方法研究

该文针对近红外光谱因冗余变量导致的标定模型预测性能差的问题,提出了一种迭代缩减窗口自助软收缩（ISWBOSS）算法。该方法使用窗口对变量进行划分,随机抽取窗口并利用其中的变量建立子模型,计算窗口内变量回归系数的归一化并作为权重继续进行加权采样,从而逐步实现变量空间的软收缩。同时在迭代过程中不断缩减窗口大小对特征变量进行精确搜索。通过在玉米数据集上进行验证,并与全谱法、遗传算法、竞争自适应重加权采样法和自助软收缩法建立的偏最小二乘模型对比,结果表明,新方法不论在准确性还是稳定性上都具有显著优势。以玉米蛋白质含量预测为例,与自助软收缩算法相比,ISWBOSS的预测均方根误差从0.041 8降至0.010 3,且达到最优模型所需的迭代次数更少,运算效率更高。该方法对提高近红外光谱标定模型的性能具有一定的指导意义。     

基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究

该文提出了一种基于可扩展的自表示学习（SOP－SRL）波段选择与偏最小二乘（PLS）建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP－SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法（CC）、正则化自表示学习算法（RSR）和稀疏子空间聚类法（SSC）3种波段选择算法的建模结果进行对比,以校正决定系数（R2c）、校正均方根误差（RMSECV）、预测决定系数（R2p）和预测均方根误差（RMSEP）为评价标准,对回归模型的预测性能进行评估。结果显示,SOP－SRL在3种数据集上均取得了较好的结果,建模波段从全波长的800分别减少到70、67、87;RMSEP分别从0.080 1、6.349 5、0.742 5下降到0.065 3、3.620 8、0.407 3,分别下降了18%、43%、45%;相应的R2p分别从0.911 9、0.879 4、0.915 8提高到0.938 8、0.952 6、0.970 1,分别提高了3%、8%、6%。结果表明,经SOP－SRL波长选择后模型的预测能力相比于其他几种算法得到显著提升,基于SOP－SRL的PLS模型可以实现安胎丸指标含量的快速检测。     

尿微量白蛋白的多波段多光程光谱检测

为研究多光程光谱法检测尿微量白蛋白含量的可行性,利用多光程光谱的非线性特性,设计自动微位移测量装置,实现对尿液样品可见波段和近红外波段的多光程(0～4.0 mm)光谱快速采集.采用偏最小二乘法,分别对样本的可见波段、近红外波段、可见-近红外双波段的多光程吸收谱与尿液中白蛋白实际含量建立回归模型,其中,可见-近红外双波段...     

Madaline网络分离重叠光谱峰及其在多组分同时分析中的应用

首先应用Ｍａｄａｌｉｎｅ网络分离混合物中各组分的重叠光谱峰，然后对感兴趣的组分进行测定。一个两组分混合物的分析表明，本法的分析的结果优于偏最小二乘法的分析结果。     

偏最小二乘变量筛选法在毒品来源分析中的应用

提出了一种新的偏最小二乘变量筛选方法,该方法利用PLS回归建模过程中的一些信息,删除一部分冗余的或对建模影响不大的变量来简化、优化预报模型。用此方法结合变量扩维方法处理云南昆明、思茅、西双版纳3个来源地缴获的244个海洛因样本的ICP-MS数据时,与传统的算法比较,模型的判别准确率得到大大提高,达到95%以上。且所得到的模型含变量少,很容易分析或解释各变量对模型的影响。因此该方法可用于对毒品来源有效的识别或鉴定。     

组合偏最小二乘回归方法在近红外光谱定量分析中的应用

针对近红外光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,并多与样品组分含量呈非线性关系,构建一种组合非线性偏最小二乘回归(E-S-QPLSR)方法。它采用无重复采样技术(subag-ging),从训练样本中生成若干子样,然后每个子样通过二次多项式偏最小二乘回归(QPLSR),建立其子模型,并实现对训练样本因变量的定量预测,再将它们交由线性PLS算法用于计算各子模型的组合权系数。将该法应用于80个玉米样品的水组分含量与其近红外光谱的定量关系建模,效果良好,显示出很强的学习能力,所建模型的预报性能也优于其它方法。     

自适应模糊偏最小二乘方法在药物构效关系建模中的应用

作为一种局部逼近方法,自适应神经模糊推理系统(ANFIS)适于为药物定量构效关系(QSAR)建模。描述药物分子结构的参数较多,常存在耦合关系,会增加建模难度,并影响模型的预报性能。为此,将ANFIS和偏最小二乘(PLS)相结合,先由PLS从样本数据中提取成分,再由ANFIS实现每对成分间的非线性映射,并基于输出误差进一步修正所提取的成分,使之对因变量具有最优的解释能力,由此构建为EB-AFPLS方法。该法已成功地应用于HIV-1蛋白酶抑制剂的QSAR建模,效果良好,显示出很强的学习能力,所建模型的预报性能也优于其它方法。     

稳健偏最小二乘类模型及其在清真香肠红外质量控制中的应用

针对在实际多元质量控制中经常遇到的奇异样品问题,本研究提出了一种稳健偏最小二乘类模型.本方法基于Stahel-Donoho奇异度和样品重加权策略,用稳健的类中心和模型误差构造稳健的决策区间.将本方法用于清真香肠的红外分析,建立了稳健的质量控制方法.在香肠样品的不同部位进行取样,充分研磨后制备溴化钾压片,以空气为背景,测量4000～400 cm-1范围的红外透射光谱.基于73个清真香肠样品和78个非清真样品的光谱数据,研究了新提出的稳健类模型的统计效率和稳健性.在有奇异样品存在的情况下,本方法能有效检出奇异样品,为新样品的预测提供稳健的决策区间.排除奇异样品后,基于原始光谱的模型灵敏性为0.846,特异性为0.936;基于标准正态变量法的模型灵敏性为0.923,特异性为0.974.     

遗传算法用于偏最小二乘方法建模中的变量筛选

利用全局搜索方法－遗传算法（genetic algorithms,GA)对近红外光谱分析中的波长变量进行筛选,再用偏最小二乘方法（patrial least squares,PLS）建立分析校正模型。对两类样品的近红外光谱分析应用实例表明,这种选取变量进行校正的方法,不仅简化、优化了模型,而且增强了所建模型的预测能力,尤其适用于单纯PLS较以校正关联的体系。     

CCD近红外光谱分析技术在测定红烟硝酸中的应用

从化学计量学角度研究了CCD近红外光谱技术在无机物领域分析中的应用。使用偏最小二乘法(PLS)建立了红烟硝酸的密度、水分含量等五项指标的快速测定模型,验证了近红外光谱测定红烟硝酸各项指标的可靠性。试验证明,CCD近红外光谱方法具有重现性好、分析速度快、使用样品量少、可以在线分析等优点,可以用于无机物的常规分析。     

加权最小二乘支持向量机稳健化迭代算法及其在光谱分析中的应用

为克服光谱分析中异常训练样本的影响, 提出了一种加权最小二乘支持向量机(WLS-SVM)的稳健化迭代算法. 针对原始WLS-SVM在收敛性和稳健性方面的不足, 提出了一种新的求取回归误差的方法, 从而从根本上解决了WLS-SVM的收敛性问题; 同时对原始算法求权值的步骤进行了修正, 采用回归误差的中值作为计算加权值的比较基准, 大幅度提高了WLS-SVM的稳健性. 将算法应用于光谱定量分析中, 实验结果证明了该方法是收敛的, 并且崩溃点在35%左右, 是一种有效的稳健建模方法.