粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。     

基于岭回归和SVM的高维特征选择与肽QSAR建模

岭回归估计权重绝对值在一定程度上体现了对应特征作用大小, 据此发展了基于岭回归(RR)和支持向量机(SVM)的高维特征选择算法. 对苦味二肽(BTT)和细胞毒性T淋巴细胞(CTL)表位9 肽两个肽体系, 以氨基酸的531 个物理化学性质参数直接表征肽结构, 各获得1062、4779 个初始特征; 对训练集, 初始特征以岭回归排序后序贯引入, 当SVM留一法交叉测试(LOOCV)的均方误差(MSE)显著上扬时终止, 最后以多轮末尾淘汰进一步精筛, 分别获得7、18个物理化学意义明确的保留特征. 基于保留特征与支持向量回归(SVR), 对训练集建立定量构效关系(QSAR)模型, 预测独立测试集, 其拟合精度、留一法交叉测试精度、独立预测精度均优于现有文献报道结果. 新方法运行速度快, 选取的特征物理化学意义明确, 解释性强, 在肽、蛋白质定量构效关系建模等高维数据回归预测领域有较广泛应用前景.     

在线凝胶渗透色谱-气相色谱-串联质谱非衍生化法测定食品中氯丙醇

建立了食品中氯丙醇类化合物的非衍生化在线凝胶渗透色谱-气相色谱-串联质谱(Online GPC-GCMS/MS)测定方法,目标化合物包括3-氯-1,2-丙二醇(3-MCPD)、2-氯-1,3-丙二醇(2-MCPD)、1,3-二氯-2-丙醇(1,3-DCP)和2,3-二氯-1-丙醇(2,3-DCP).样品中加入氘代同位素内标后,采用ExtrelutTM NT硅藻土进行固相支持液液萃取净化,用正己烷淋洗去除非极性杂质,以乙酸乙酯萃取目标物,萃取液经浓缩后直接采用Online GPC-GC-MS/MS测定.4种氯丙醇在0.005～1.000 mg/L范围内呈良好线性,相关系数均大于0.999,4种氯丙醇的检出限在0.002～ 0.005 mg/kg之间,定量限在0.005～0.01 mg/kg之间.以空白酱油样品为代表性基质的3个水平(0.02,0.1和0.5 mg/kg)的加标回收率和相对标准偏差(RSD,n=6)分别为94.8％～106.3％ (2.2％ ～ 10.3％),91.8％～108.8％(2.1％～10.6％)和83.1％ ～109.4％(1.3％～9.4％).采用本方法分别对酱油、水解植物蛋白液(粉)、料酒、鸡精、面包和糕点样品进行检测,均得到了满意的测定结果.     

结构可靠性分析的支持向量机响应面法

针对隐式极限状态可靠性分析问题,提出了一种支持向量机响应面法,该方法采用了与经典响应面法类似的迭代思想,由支持向量回归机替代经典响应面法中的固定多项式函数来构建响应面,并结合一次二阶矩法形成迭代过程.在此基础上,还对训练样本提出了一种改进的选取方法,从而进一步提高方法的效率.文中将所提方法与多种经典可靠性分析方法的计算结果对比分析,改进的支持向量机响应面法精度较高,调用结构分析程序的次数最少.     

配电柜线号特征提取和识别方法研究

配电柜是动车组电气设备的关键设备之一,基于视觉的自动化检测方式可以解决传统的人工检测的低效、主观性强的问题,是工业检测的一个重要的检测方向,由于动车配电柜在光照和空间等方面的恶劣情况,线号数字呈现灰度、尺寸、角度等差异,极不利于线号的识别。本文以线号正确分割提取为前提,提取分割的数字区域的HOG特征和LBP特征,并利用SVM和ANN两种分类器配合两种特征进行对比试验,因为HOG特征在图像几何和光学的形变会表现出优异的不改变的特性,且SVM分类器克服了后者局部极小的困扰,最终选用SVM分类器配合HOG特征进行配电柜线号识别。     

基于克隆选择支持向量机高光谱遥感影像分类技术

作为支持向量机(support vector machine, SVM)高光谱影像分类的一个重要环节,参数设置的效率和精度直接影响到SVM模型训练效率和最终分类精度。本文首先建立一个SVM高光谱影像分类器,提出了利用免疫克隆选择算法优化的交叉验证进行核函数参数和惩罚因子C的优化选择的方法,得到了一种基于克隆选择优化的支持向量机(clonal selection SVM, CSSVM)高光谱影像分类器。然后将CSSVM与传统的基于网格搜索交叉验证的支持向量机（gird search SVM, GSSVM）分类器进行了对比评价,评价指标包括模型训练时间和分类精度等。最后基于AVIRIS高光谱遥感影像进行了两算法分类对比试验,结果表明：提出的CSSVM测试样本总分类精度超过85.1%和Kappa系数超过0.821 3,影像总分类精度超过81.58%和Kappa系数超过0.772 8,CSSVM与GSSVM的分类精度差别在0.08%以内,Kappa系数差别在0.001以内;CSSVM的模型训练时间是GSSVM的1/6至1/10,得到显著缩短;CSSVM方法在保持传统GSSVM优良分类精度的基础上,极大提高了模型的训练效率。     

支持向量回归方法预报偶氮染料最大吸收波长

采用支持向量机方法建立了适用于偶氮染料的owf_p-p值(ZINDO/S方法中用来调整分子中∏轨道重叠程度的权重因子)与其分子结构参数间的定量关系,用留一法预报了该类染料的owf_p-p值,相对误差绝对值平均为4.8%.利用Hyperchem软件计算该类染料的最大吸收波长时,将计算机预报的owf_p-p值代替软件中默认的值0.585,结果表明,计算所得最大吸收波长的相对误差绝对值平均为3.8%,因此,本工作所用方法为该类染料提供了一种计算机预报最大吸收波长的有效方法,可以用作该类染料的计算机辅助分子设计.     

惯性约束聚变－裂变混合堆及其包层中子学设计

对惯性约束混合堆的功率循环,氚钚生产的燃料循环和混合堆作为聚变能源的前期应用的可能性作了简要的介绍。对快裂包层和抑制裂变包层作了初步的中子学研究设计,指出了其优缺点和应用的前景。     

咪唑盐类双子表面活性剂的构效关系研究

阐明表面活性剂结构与其临界胶束浓度(critical micelle concentration,cmc)之间的内在关联,并构建机器学习方法模型实现cmc的自动预测,对了解其表面活性的分子机制和设计合成具有潜力的新型表面活性分子具有重要意义。本研究从咪唑鎓盐类双子表面活性剂的3-D结构出发,计算得到大量的能量、电荷、立体构象与拓扑参数等方面的结构描述符。然后利用方差阈值法(variance threshold)对特征变量进行评估与筛选,以剔除冗余变量,实现数据降维。最后采用支持向量回归(Support Vector Regression,SVR)构建咪唑鎓盐类双子表面活性剂的结构-cmc的关系模型。根据测定cmc实验方法的不同,分别构建了两个特异性模型:表面张力法的SVR模型与电导法的SVR模型,其模型的留一法交叉验证结果令人满意,相关系数R分别为0.8791与0.9316,均方根误差(RMSE)分别为0.36与0.34。结果表明,方法可靠可行,可实现对咪唑鎓盐类双子表面活性剂的cmc的定量预测。     

一种碳纳米管场效应管半经典模型计算方法

基于弹道输运的碳纳米管场效应管半经典模型求解自洽电势通常采用牛顿-拉夫逊迭代法,每次迭代都需要对态密度方程积分计算,运算量巨大.我们用支持向量回归机近似表达自洽电势与载流子密度之间的关系,不需要反复迭代积分,并用梯度下降法求解自洽电势.仿真结果表明,与牛顿-拉夫逊迭代法比较,该方法精度较高,有效降低了运算量,为今后大规模集成电路中碳纳米管器件的设计和应用奠定理论基础.