共查询到10条相似文献,搜索用时 718 毫秒
1.
对13种洗衣皂进行拉曼光谱的数据收集,对拉曼光谱数据预处理后,利用5种不同的机器学习方法对于不同品牌洗衣皂进行训练和测试.训练集中5种模式识别方法,准确性从高到低依次为:线性判别、子空间判别、最近邻、决策树、支持向量机,其中线性判别和子空间的识别率均高于95%,训练效果较好.测试集中线性判别和子空间判别识别率高于90%... 相似文献
2.
3.
4.
5.
6.
为建立一种高效准确的差分拉曼光谱检验电线塑料外皮的方法,利用便携式差分拉曼光谱仪测得了35个不同品牌不同类型的电线塑料外皮的差分拉曼光谱数据;再根据样品的主要成分和所含填料的不同,对样品进行初步分类;利用主成分分析对初步分类后的拉曼数据进行降维,再利用系统聚类将样品分组,最后应用K?均值聚类分析对分组结果准确性进行检验。其中,对于同组样品,可以用拉曼特征峰的相对峰高比进行区分。结果表明,当并类距离为1时,I?1组样品(只含滑石粉的白色样品)可分为7个小组,实现了对样品的区分;该方法不破坏检材,操作简单,可为微量物证检验和公安机关办案提供帮助。 相似文献
7.
为了快速识别市场常见的防火涂料品牌,结合光谱成像与机器学习,提出了2种快速检测防火涂料一致性的方法。采用高光谱成像和短视频成像技术,测量了7种品牌防火涂料样品的光谱,利用主成分分析法对光谱数据进行降维,表明各品牌存在可分性。对光谱数据进行预处理、划分训练集和测试集后,评估常用机器学习方法的分类准确度,包括最小二乘判别分析、支持向量机等。结果表明:将光谱成像技术与机器学习结合,能够准确地区分防火涂料的品牌。短视频成像仅需智能手机即可实现光谱采集,具有技术成本低、操作便捷等优势,该技术与机器学习结合,在现场原位检测防火涂料的一致性有更广阔的应用前景。 相似文献
8.
《应用化工》2019,(4):975-979
采用拉曼光谱技术结合化学计量学探讨不同品位磷矿快速鉴别和分类的可行性。采用共聚焦显微拉曼光谱系统分析了高、中、低三类不同品位的4种磷矿样品在200~1 950 cm~(-1)范围内的拉曼光谱特性,并对经过自适应迭代重加权惩罚最小二乘(airPLS)算法校正、一阶导和二阶导3种光谱预处理方法处理后的拉曼光谱结合主成分分析(PCA)和系统聚类分析(HCA)建立判别模型。结果显示,在主成分分析(PCA)中,经过3种预处理方法后的拉曼光谱均能实现对4种磷矿样本的聚类,且前两种预处理方式中,在第1主成分上,4种样品随品位值呈规律分布。使用PCA降维后的一阶导数光谱结合系统类分析(HCA)对4种磷矿样品进行分类,准确率为98.75%。结果表明,利用拉曼光谱技术结合化学计量学能够实现不同品位磷矿的快速鉴别和分类,为磷矿品位现场快速检测和评估打下基础。 相似文献
9.
《应用化工》2022,(4):975-979
采用拉曼光谱技术结合化学计量学探讨不同品位磷矿快速鉴别和分类的可行性。采用共聚焦显微拉曼光谱系统分析了高、中、低三类不同品位的4种磷矿样品在200~1 950 cm(-1)范围内的拉曼光谱特性,并对经过自适应迭代重加权惩罚最小二乘(airPLS)算法校正、一阶导和二阶导3种光谱预处理方法处理后的拉曼光谱结合主成分分析(PCA)和系统聚类分析(HCA)建立判别模型。结果显示,在主成分分析(PCA)中,经过3种预处理方法后的拉曼光谱均能实现对4种磷矿样本的聚类,且前两种预处理方式中,在第1主成分上,4种样品随品位值呈规律分布。使用PCA降维后的一阶导数光谱结合系统类分析(HCA)对4种磷矿样品进行分类,准确率为98.75%。结果表明,利用拉曼光谱技术结合化学计量学能够实现不同品位磷矿的快速鉴别和分类,为磷矿品位现场快速检测和评估打下基础。 相似文献
10.
激光拉曼光谱检测技术作为一种新型的无损检测技术,被广泛地应用于化学、生物、物理等领域的物质检测研究中。利用LRS-2激光拉曼光谱仪,对无水乙醇和四种不同品牌白酒进行了测量和分析,获得了它们的拉曼光谱图。结果表明:白酒的拉曼光谱特征峰的峰值大小会随浓度的改变而变化,浓度越大峰值越大;此外,拉曼光谱峰值的位置随浓度的变化发生移动,据此型推测浓度可能会影响乙醇分子中化学键的活性。 相似文献