面向工业物联网的敏感数据流动态挖掘系统设计

基于工业物联网敏感数据流高维、多变导致挖掘结果不理想的问题,设计面向工业物联网的敏感数据流动态挖掘系统。通过计算敏感数据间距离,使用数据流挖掘引擎,设计数据流动态管理机构,构建敏感数据流特征响应函数,聚类分析敏感数据流动态挖掘特征。通过CAN-tree子树剪枝操作,实现敏感数据流的动态挖掘。实验结果表明,该系统聚类程度与理想效果基本一致,且挖掘数据量与实际数据存在最大为4 bit的误差,说明使用该系统挖掘效果较好。     

不同氧化程度下白茶的太赫兹光谱研究

通过太赫兹时域光谱(THz-TDS),采集不同氧化程度下白茶的原始光谱数据。其次利用原始光谱数据计算吸收系数、折射率。不同氧化程度下白茶吸收系数谱图平行排列,依次为正常氧化,弱氧化,过氧化,都随频率的增加而增加,在1.5 THz时达到18 cm^-1。折射率在1.42～1.44之间交叉排列,随着频率的增加缓慢下降。最后对吸收系数进行PCA分析和HCA分析,均只可将过氧化样本区分出来。未来有望作为判别茶叶氧化程度的工具。     

基于红外光谱聚类分析的纳滤膜污染动态发展行为研究

污水再生利用是解决水资源短缺问题的有效对策。纳滤技术由于能够生产高质量的再生水,成为污水深度处理、再生利用的有效方法之一。然而,在纳滤过程中存在复杂的、动态的膜污染现象,会导致产水通量、产水质量下降等问题。研究膜污染动态发展的行为,对于膜污染的分阶段针对性控制具有重要意义。有机物是污染层动态发展过程的重要指示性成分,红外光谱是表征污染层发展过程中表面有机物官能团变化情况的重要手段。但由于红外光谱中峰的数量多,系列样品之间峰强度的差别较小（尤其是当膜污染过程中的采样间隔较小时）,利用直观观察不易甄别不同样品间的谱图差异及其变化趋势,在此水平上难以对膜污染阶段进行准确识别、对各阶段特征进行有说服力的分类概括。为探索膜污染的动态发展过程,本研究将傅里叶变换红外光谱与统计学聚类分析相结合,对膜污染过程中不同时间点的膜样本进行红外光谱分析,再对红外光谱数据进行一系列预处理和系统聚类分析,从而客观解读膜污染动态发展过程中系列样品红外光谱分阶段变化规律。考虑到类别间距离度量方法、红外吸收峰强度标准化、峰之间自相关性、峰与样本之间交互作用等因素的影响,研究采用对应分析对红外数据进行预处理,提取各样本在主要维度上的得分,随后基于标准化欧式距离对各样本进行聚类。在为期一个月的城市污水深度处理纳滤试验过程中,由于污染物在膜表面累积,纳滤膜发生了较为严重的污染。通过对13个不同时间点的膜样本进行红外光谱聚类发现,膜污染可清晰划分为如下阶段：空白膜、阶段Ⅰ（3 h～8 d）、阶段Ⅱ（10～15 d）和阶段Ⅲ（20～30 d）。采用红外聚类,得到膜表面X射线光电子能谱（XPS）和三磷酸腺苷（ATP）含量分析等方法的交互验证。结果表明,随着膜污染的发展,膜表面有机物成分与共存微生物量发生协同变化,各阶段大致特征为：阶段Ⅰ各类有机污染物初步覆盖,微生物开始富集;阶段Ⅱ多糖类污染物比例上升,微生物的富集趋于稳定;阶段Ⅲ整体污染趋于成熟,有机污染物氢键特征更加明显。该研究通过对红外数据进行聚类分析,能够灵敏地探测各红外图谱之间的差别,有助于对红外光谱规律的深度挖掘,为膜污染阶段的识别和划分提供了一种客观、自动、可量化的辅助性方法,并且有助于归纳出不同阶段的污染层特征,可作为膜污染时序特征的侦查手段。此外,除了膜污染的研究,在材料、吸附等领域,只要有一系列变化的红外光谱,均可尝试采用红外光谱聚类分析方法,获取基于红外特征的定类信息或分阶段规律。     

纹党参与白条党参红外光谱的SIMCA聚类鉴别方法研究

以纹党参和白条党参的红外光谱为聚类分析的对象,研究了红外光谱结合SIMCA聚类分析法对纹党参和白条党参进行识别与分类的可行性.选取400 ～2 000 cm~(-1)范围内的光谱,通过基线补偿(Offset)和散射校正(MSC)等预处理后,采用SIMCA聚类分析法建立识别模型.结果表明,所建模型对纹党参和白条党参的识别率分别达92%和96%,拒绝率均为100%.用盲样对所建模型进行了测试,测试结果全部正确.该法可实现对纹党参和白条党参的快速鉴别.     

我国工业污染分布状况研究

环境污染越来越受到我国的重视,而工业污染是造成环境污染的重要原因.为了对我国的环境污染分布状况进行深入了解,从总量出发,利用聚类分析和因子分析法分析了我国工业污染的分布情况,并探讨了各类地区工业污染差异的原因,为我国进行侧重点治理环境污染提出可行性建议.     

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术, 并且与监督学习不同的是聚类分析中没有类别或标签的指导信息, 所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点. 由此提出了一种基于Dirichlet过程混合模型的聚类算法, 并用collapsed Gibbs采样算法对混合模型的参数进行估计. 新算法基于非参数贝叶斯模型的框架, 能够在不断的采样过程中优化模型参数并形成合适的聚类个数. 在人工合成数据集和真实数据集上的聚类实验结果表明: 基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数, 而且具有较强灵活性和鲁棒性.     

叶片衰老影响木兰科植物聚类的FTIR研究

傅里叶变换红外光谱(FTIR)结合聚类分析技术应用于木兰科植物不同亚族分类,研究了叶片衰老对聚类分析效果的影响。测试了木兰科三个亚族14种植物的幼叶、成叶、老黄叶红外光谱,结果显示三个亚族植物叶片红外光谱差异不大;同种植物叶片不同生长期的红外光谱吸收峰位置基本一致,但一些特征峰的峰强有变化;用1 800～700 cm-1范围二阶导数光谱结合聚类分析,发现成叶二阶导数光谱聚类分析能够正确对样品分类,幼叶和老黄叶二阶导数谱聚类分析效果不如成叶,说明叶片衰老过程化学成分变化影响聚类分析效果,聚类分析时取成叶样品为好。     

电喷雾萃取电离质谱法用于掺假白酒的快速分析

采用自行研制的电喷雾萃取电离源(EESI)与LTQ-XL质谱仪耦合,并结合主成分分析(PCA)和聚类分析(CA),建立了一种能在无需样品预处理的条件下直接、快速、准确鉴别茅台等八种掺假白酒(混掺水和工业酒精,且通过酒精计调控掺假酒的酒精度与真酒保持一致)的新方法. 同时,利用串联质谱能够对目标组分进行准确鉴定. 研究结果表明,EESI-LTQ-MS检测单个样品的时间小于1 min,且重现性好,PCA区分正确率高达96.5%. 通过设置未知样分析进一步验证了该方法的可行性. 此外,还结合单光子电离飞行时间质谱法(SPI-TOF-MS)对检测谱图进行对比分析. 阐述了EESI和SPI两种电离技术在挥发性有机物分析上具有各自的优势,且两种检测手段具有互补的特点. 为市场上酒类饮品真假的快速鉴别及品质鉴定建立了一个综合的分析方法,对于快速筛选伪劣酒类产品具有非常重要的应用价值.     

基于显微拉曼光谱的稀酸预处理马尾松细胞壁解构机理研究

稀酸预处理可打破木质纤维原料天然抗降解屏障,提高后续酶解和发酵效率,从而使其更高效地转化为生物燃料,然而在亚细胞水平上纤维细胞壁的解构机理仍有待深入研究。采用共聚焦显微拉曼光谱技术与主成分聚类分析法结合,研究了稀酸预处理前后马尾松细胞壁区域化学变化特点。结果表明,累计贡献率高达94.61%的第一与第二主成分空间中光谱样本散点呈现规律性分布;聚类分析可准确提取细胞壁不同形态区域平均拉曼光谱。结合拉曼成像分析发现,细胞角隅木质化程度高,含有较多木质素,次生壁木质化程度低,含有较多碳水化合物。稀酸预处理导致马尾松细胞壁发生了不均一解构,其致密空间结构被破坏,次生壁中碳水化合物典型特征峰2 890 cm-1处信号强度降低了26.9%,表明碳水化合物从该区域大量脱除;碳水化合物在复合胞间层少量脱除,而细胞角隅则出现了其轻微富集。木素在稀酸预处理后发生了重新分布,细胞角隅区拉曼信号显著增强。碳水化合物(主要为半纤维素)的溶出及木质素的重新分布削弱了生物质原料的抗降解性,有利于后续酶解糖化。该研究不仅提供了一种快速、高效的纤维细胞壁区域化学分析方法,还为林木生物质高值转化的研究奠定了重要的理论基础。     

三维荧光光谱结合Zernike图像矩快速鉴别掺伪芝麻油

为了实现对掺伪芝麻油的快速鉴别,应用FS920荧光光谱仪测定样品的三维荧光光谱数据。将三维荧光光谱图视为灰度图,在没有任何预处理的前提下,直接应用Zernike图像矩提取三维光谱灰度图的特征信息,然后采用类平均法对特征信息进行聚类分析,从定性角度实现掺伪芝麻油的鉴别,并解析其组成成分。最后应用广义回归神经网络(GRNN)对掺伪样本的成分进行定量分析。聚类分析能够以很高的辨识率来识别掺伪芝麻油,并能够正确解析其组成成分。定量模型预测了2组掺伪样本中各成分的相对体积,其平均相对误差分别为2.23%,8.00%,9.70%和9.70%。分析结果表明,Zernike矩能够有效提取光谱的特征信息,光谱数据的Zernike矩特征结合聚类分析以及GRNN模型能够获得良好的定性和定量分析结果,为掺伪芝麻油的鉴别提供了一种新的方法。