基于UMAP辅助的模糊C聚类方法进行太赫兹光谱识别

太赫兹(THz)具有低能性、瞬态性、波谱分析能力强的优点,在物质鉴别方面具有广阔的应用前景。现有的基于THz的物质鉴别方法,虽然取得了一定的效果,但是存在容易陷入局部最优的问题,从而导致识别精度不高。均匀流形逼近与投影(UMAP)作为一种非线性降维方法,其假设数据均匀分布在黎曼流形上,可以对具有模糊拓扑结构的流形进行建模。UMAP降维的过程是通过最小化两个拓扑表示之间的交叉熵,从而实现低维空间中数据表示的布局优化。传统的模糊C聚类方法(FCM)在聚类时,初始聚类中心往往随机给定,当初始聚类中心选择不恰当时,容易导致错误的聚类。为此,提出一种基于UMAP辅助的模糊C聚类算法,首先运用UMAP对输入的THz样本矩阵进行降维;再根据类与类之间距离最大化的原则,选择合适的初始聚类中心;最后利用模糊C均值聚类的方法进行聚类。所提出的方法不仅能够解决聚类过程中类与类之间过度拥挤的现象,而且能够反映出类别间的距离信息以便于给样本选择合适的初始聚类中心。为了验证提出的聚类方法的可靠性,运用太赫兹时域光谱技术对鲁棉研28、鲁棉研29、鲁棉研36、中棉28四种不同类型的转基因棉花种子进行了探测,利用基于U...     

可用于现场快速检测的小型化多通道光谱测量系统

现有商用光谱仪虽然能够以极高的光谱分辨率对目标物进行测量与分析,但是存在系统复杂、体积庞大和价格昂贵等缺点,难以满足现场检测等应用需求.为了解决该问题,提出了可用于现场快速检测的小型化多通道光谱测量系统.相较于传统光谱仪,提出的小型化多通道光谱测量系统不仅结构紧凑而且光谱分辨率高;另外,多通道设计可以用于同时检测多个样...     

乳腺癌细胞及其外泌体的拉曼表型快速鉴定与关系研究

外泌体(Exosome)是直径大小为30～150 nm的膜性囊泡,包裹DNA/RNA, miRNA,蛋白质和脂质等多种物质并参与微环境中的生物信息传递,是理想的癌症生物标志物,在液体活检领域具有重要的应用潜力,有望成为癌症快速检测的手段之一。表面增强拉曼光谱(SERS)是分子振动光谱,可从分子水平上探测物质的精细结构和信息变化,具有“指纹图谱”的特征。采用差速离心结合超速离心的方法获得乳腺癌细胞来源的外泌体,以金溶胶为增强基底,收集外泌体及其母细胞的SERS图谱,结合多元统计分析,进行乳腺癌细胞的快速鉴别与区分。研究结果表明,乳腺癌细胞及其外泌体在500～1 600 cm^-1波段范围内有特征拉曼信号,采用非标记检测所获得的图谱信息是样品“whole-organism fingerprint”整体信号的呈现。根据外泌体的拉曼表型并结合OPLS-DA分析,能够100%分辨3种不同类型的乳腺癌细胞。单细胞SERS检测联合PCA-LDA分析,区分乳腺癌细胞的准确率为83.7%。通过比较乳腺癌细胞及其外泌体的拉曼特征图谱发现,二者在拉曼谱图的波数高度表现一致,但是外泌体在特...     

结合小波压缩和APTLD的三维荧光光谱技术在掺伪麻油鉴别中的应用

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%～99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。     

一种基于可见-近红外光谱快速鉴别茶叶品种的新方法

提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法。     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象, 建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

基于快速傅里叶变换和汉克耳变换的逆阿贝尔变换

激光等离子体实验中的轴对称的Ｘ光的体发射强度及光学全息干涉的测量,需要采用逆阿贝尔（Ａｂｅｌ）变换。用快速傅里叶变换（ＦＦＴ）和汉克耳（Ｈａｎｋｅｌ）变换的算法数值求解逆阿贝尔变换,具有精度高、可在频域内滤波的特点。     

快速退火对PLD法制备SnS薄膜结构和光学性质的影响

利用脉冲激光沉积(PLD)法在玻璃基片上室温生长SnS薄膜,并在Ar气保护下分别在200,300,400,500,600℃对薄膜进行快速退火处理。利用X射线衍射(XRD)、拉曼光谱仪(Raman)、原子力显微镜(AFM)、场发射扫描电子显微镜( FE-SEM)、紫外-可见-近红外分光光度计( UV-Vis-NIR)、Keithley 4200-SCS半导体参数分析仪研究了快速退火温度对SnS薄膜的晶体结构、表面形貌以及有关光学性质和电学性能的影响。所制备的SnS薄膜样品沿(111)晶面择优取向生长,退火温度为400℃时的薄膜结晶质量最好。薄膜均具有SnS特征拉曼峰。随着退火温度的升高,薄膜厚度逐渐减小,而平均颗粒尺寸逐渐增大。不同退火温度下的SnS薄膜在可见光范围内的吸收系数均为105 cm-1量级,400℃时退火薄膜的直接带隙为1.92 eV。随着退火温度从300℃升高到500℃,电阻率由1.85×104Ω·cm下降到14.97Ω·cm。     

矿物元素指纹图谱的建立及在西洋参产地鉴别中的应用研究

采用电感稱合等离子体质谱法测定了山东、吉林、美国和加拿大4个产地西洋参中50种矿物元素的含量,研究了不同产地西洋参矿物元素的差别和转换系数,构建了西洋参的矿物元素指纹图谱.以各产地矿物元素含量的平均值构建了山东、吉林、美国和加拿大产西洋参的矿物元素标准指纹图谱.采用SPSS 20.0计算了各西洋参矿物元素指纹图谱与其矿...     

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。