近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

基于光谱特征对中药材类别及产地鉴别的多分类方法研究

根据红外光谱数据对中药材类别产地进行鉴别，本文利用线性判别分类器、随机森林分类器以及k近邻分类器训练模型对中药材进行类别及产地的鉴别.通过方差分析取信息量最大的1 000个特征(光谱波数)对红外光谱数据进行PCA分析，最后使用聚类划分3类药材.同时使用相同的方法对同类药材的产地进行分析，最后采用十折交叉验证评估模型的准确率，并根据三个分类器的预测结果以及预测准确率综合决定最终预测结果.本文使用多种方法相结合的方式进行类别划分，取长补短，相互验证，实验证明能够更加准确的进行类别判断.     

激光诱导击穿光谱结合化学计量学的淫羊藿产地快速鉴别

淫羊藿具有增加心脑血管血流量,促进造血和增强免疫功能等功效.淫羊藿的药效受产地的影响,为确保其质量,需对淫羊藿产地进行快速鉴别.为此,采用激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)结合化学计量学方法对淫羊藿产地实现快速准确鉴别.通过获取6个产地淫羊藿样品的LIBS光谱数据,对比研究两种光谱数据降维方法,基于主成分分析(Principal component analysis,PCA)的特征提取和基于原子光谱数据库的特征谱线选择,并结合线性判别分析、k近邻、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)4种机器学习算法,实现不同产地淫羊藿样品的鉴别,最终建立产地溯源算法模型.在PCA可视化中,相同产地淫羊藿样品的光谱数据具有明显的聚类效果.开发的模型均能够实现淫羊藿产地的准确鉴别,其中PCA-SVM模型的分类效果最好,测试集分类准确率为99.17%.此外,采用RF模型计算所选元素谱线的重要性,结果表明Si元素(SiⅠ251.61 nm)是区分不同产地淫羊藿的最重要...     

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935～1 720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9、20和33个特征波长,最后基于全波长和特征波长建立偏最小二乘判别分析(PLS-DA)、概率神经网络(PNN)和广义回归神经网络(GRNN)分类判别模型.结果表明,基于CARS提取的特征波长建立的PLS-DA、PNN和GRNN模式识别模型优于基于X-LW、SPA提取特征波长建立的识别模型.而且,基于全波长和CARS提取的特征波长建立的PLS-DA、PNN和GRNN判别模型均能很好地区分大花红景天和狭叶红景天,对训练集和测试集样本分类的正确率全部达到100%.因此,高光谱成像技术结合PLSDA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础.     

基于判别分析的X射线荧光烟叶产地识别应用

烟叶品质的优劣不仅与品种、生长条件有关,还与其原产地的土壤及生长环境有着较大的关联.根据不同产地烟叶中金属元素分布的差异,提出了利用X射线荧光光谱技术快速检测出烟叶中各种金属元素的分布,结合判别分析法对烟叶产地进行识别的研究.首先对不同产地样品的金属元素的平均值进行分析,发现不同产地烟叶样品间存在较大差异;利用SPSS软件对其中样品数较多的4个地区的烟叶样品进行逐步判别分析并建立判别分析模型,当选入自变量的元素包括Cd,Rb,Ba,As,S等6种元素时,建立的判别函数判别回代准确率为92.9%,交互验证的准确率为90.5%,说明应用X射线荧光分析法来鉴别不同产地的烟叶具有较强可行性.     

核磁共振指纹图谱用于阿胶的鉴别

建立阿胶核磁共振指纹图谱法用于阿胶的鉴别。基于阿胶水提液成分,采用核磁共振氢谱(¹H-NMR)建立阿胶核磁共振指纹图谱方法,并进行方法学验证;对不同来源样品进行核磁共振氢谱测定,得到样品数据集。采用主成分分析(PCA)和片段偏最小二乘法(i-PLS)对样品进行模式识别研究,建立阿胶判别模型。结果显示,阿胶核磁共振指纹图谱方法的精密度、稳定性和重现性良好。PCA分析结果表明:不同来源样品有一定的类别差异,但阿胶真品与伪品难以分开。采用i-PLS法建立真伪阿胶判别模型,分类能力强,能够实现真伪阿胶的正确判别。阿胶核磁共振氢谱指纹图谱结合模式识别方法能够用于中药阿胶的真伪鉴别,为阿胶的质量控制及评价提供借鉴。     

基于傅里叶近红外特征光谱的血流感染致病菌鉴别研究

利用傅里叶变换近红外光谱(FT-NIR)收集1 000~1 852 nm范围内3种常见病原菌大肠杆菌(ATCC25922)、金黄色葡萄球菌(ATCC 29213)、铜绿假单胞菌(ATCC 27853)的近红外透射光谱,采用竞争性自适应重加权算法(CARS)对波长变量进行筛选,并分别结合偏最小二乘判别分析(PLS-DA)、最小二乘-支持向量机(LS-SVM)建立鉴别模型.比较两种鉴别模型在进行波长变量优选前后的性能发现,采用全波段建模的PLS-DA与LS-SVM两种模型的预测性能较低;利用CARS对波长变量进行筛选后,对优选的24个特征波长分别建立两种鉴别模型,模型预测性能明显提高,其中以LS-SVM模型最优,3种病原菌准确率分别为85.0%,100%和100%.研究结果表明,利用CARS能够有效去除光谱无用信息,减少模型复杂度,增强模型预测性能,结合LS-SVM可为临床利用近红外快速检测血流感染病原菌提供一种新的方法.     

基于阴离子特征分析的冬枣产地鉴别

为了考察阴离子用于农产品产地鉴别的可能性,利用离子色谱测定了黄骅、沾化和大荔冬枣及土壤中多种阴离子的含量,并对数据进行了方差分析、偏相关分析、逐步判别分析(SDA)和径向基人工神经网络分析(RBF-ANN).结果表明,冬枣中F~-、Cl~-、NO_2~-、PO_4~(3-)、SO_4~(2-)和C_2O_4~(2-)在不同产地间存在显著性差异,与土壤中阴离子具有显著相关性.逐步判别分析中,上述6种阴离子的判别能力较强,所建判别方程可以准确地鉴别冬枣的产地.RBF-ANN的分析进一步证实了,6种阴离子所建模型的准确率高于全部阴离子的分析结果,Br~-对产地鉴别有一定的干扰作用,鉴别准确度降低.研究结果证实了阴离子结合统计学算法可以建立有效的冬枣产地鉴别模型,选择合适的产地因子是提高产地鉴别模型准确度的关键步骤.     

水煎液成分的表面增强拉曼散射光谱检测

采用表面增强拉曼散射技术检测分析两种配伍的茵陈蒿汤水煎液成分.水煎液Ⅰ和II的SERS光谱都有17个明显的SERS峰.以PCA、 LDA及SVM算法区别两种水煎液,均取得100%的判别准确率.研究结果表明,高灵敏度的SERS技术结合PCA、 LDA及SVM可检测水煎液光谱特征,对其成分进行简便快捷的检测分析.     

质子转移反应-飞行时间质谱快速鉴别金线莲产地

建立一种基于质子转移反应-飞行时间质谱(PTR-TOF-MS)的不同产地金线莲快速鉴别方法.采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集.将检测到的指纹图谱与化学计量学结合,开发一种可应用于不同产地金线莲快速准确鉴定的新技术.结果表明,使用PCA主成分分析方法提取主成分数为4、判别分析方法为FDA(Fisher判别分析法)时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别.     

基于HS-SPME/GC-MS与模式识别技术判别红茶产地

本文建立一种基于顶空固相微萃取气质联用法(HS-SPME/GC-MS)分析红茶中挥发性组分,并结合模式识别方法实现了红茶的产地鉴别.采用HS-SPME法在100℃提取60 min,热解吸法直接进样气质联用仪(GC-MS)分析.根据挥发性组分的总离子流图,采用聚类分析、主成分分析和线性判别分析等模式识别技术实现了对不同产地红茶的判别.     

矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化

为了提高冬枣产地鉴别方法的准确性,测定了69个冬枣样本中10种元素的含量,并对数据进行了差异性分析、主成分分析和簇类独立软模式分析(SIMCA).结果表明,冬枣中Mg、B、Mn、Fe、Zn等元素在不同产地间存在显著差异,利用主成分分析可以看出不同产地样本有较好的聚类趋势.在前4个主成分中,Fe、B、Mn、Zn和K元素的载荷值较高,是重要的产地识别元素.利用SIMCA建立的产地判别模型,置信水平为5%时对验证集样本判别结果最好,识别率为100%,拒绝率为78.95%.研究结果证实了农产品中多元素分析结合SICMA法可以有效用于原产地的鉴别.     

基于大叶三七红外光谱系统聚类分析的产地鉴别

运用红外光谱技术结合主成分分析和系统聚类分析快速鉴别大叶三七的产地.利用红外光谱测定了13个不同产地的大叶三七的红外光谱原始数据,对比标准正态变换、一阶导数校正、多元散射校正等常规预处理方法与小波变换处理的降噪效果,得知小波变换处理能大大降低原始红外光谱中的噪音和一些不需要的信息.利用小波变换后的红外光谱的标准化数据实现主成分分析和系统聚类分析来鉴别大叶三七的产地,主成分分析和系统聚类分析结果一致,可将13个不同产地大叶三七分为云贵高原、秦岭以南、秦岭以北等3类,即云南昭通(3号)、山西绵山(6号)、云南文山(11号)聚为一大类;陕西太白山(1号)、青海互助(2号)、云南迪庆(4号)、云南大理(5号)、甘肃麦积山(8号)、湖北神农架(9号)、甘肃六盘山(13号)聚为一大类;安徽黄山(7号)、陕西汉中(10号)、四川马边县(12号)样品聚为一大类.实验结果表明：红外光谱技术结合主成分分析和系统聚类分析可以快速、科学地进行大叶三七的产地鉴别,此法可以为中药材产地鉴别提供参考.     

激光拉曼光谱内标法测定甘氨酸浓度

利用激光拉曼散射原理,通过激光拉曼光谱内标法建立了甘氨酸水溶液的光谱相对强度与样品浓度的关系及适用范围,说明了该检测方法是一种绿色分析测定方法.     

基于费舍尔判别分析的中药材鉴别

中药材具有相当高的声誉，而这一混合物体系极具复杂性，对其进行鉴别意义深远.红外光谱因专属性强重现性好，广泛用于中药材鉴别.利用中红外光谱进行同种中药材产地鉴别，首先进行平滑滤波和导数光谱预处理，再基于费舍尔判别分析进行鉴别.同时利用近、中红外光谱对同种中药材进行产地鉴别，首先对原始近红外、中红外、近中红外组合数据预处理，再基于费舍尔判别分析进行鉴别.利用近红外光谱对不同类别产地药材进行鉴别，方法一将类别和产地双标签映射为单标签，用费舍尔判别分析鉴别单标签，再逆推原类别产地，方法二分别基于类别和产地进行费舍尔判别分析.仿真和实际实验说明费舍尔判别分析有效.     

基于质子转移反应-飞行时间质谱的金线莲产地快速鉴别技术

建立一种基于质子转移反应-飞行时间质谱的不同产地金线莲快速鉴别技术。采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集。将检测到的指纹图谱与化学计量学相结合开发一种可以应用于不同产地金线莲快速准确鉴定的新技术。实验结果表明,PCA提取主成份数为4,判别分析方法为FDA时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别。     

拉曼光谱预处理中几种小波去噪方法的分析

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.     

黄芪药材不同极性部位的指纹图谱

对黄芪药材不同极性部位进行指纹图谱对比研究.采用HPLC法分别对10批黄芪药材的5个提取部位研究,流动相乙腈水溶液梯度洗脱.建立10批不同产地黄芪中5种极性部位的模式指纹图谱.首次鉴别7个主要指标成分.方法准确可靠,为全面控制药材质量提供了一种方法.     

利用拉曼光谱技术对印泥和印油种类的鉴别

目的采用激光显微拉曼光谱技术对印泥和印油的种类鉴别,为判定文件的真伪提供重要证据。方法选择56种不同品牌和型号的印泥(油)盖印样本,利用印(油)中的染料和添加剂的拉曼标准谱峰,分析印泥、普通印油和光敏印油的种类特征。结果拉曼光谱能够达到对印泥(油)进行种属鉴别,即印泥、印油和光敏印油的区分、同一类型印泥(油)中成分属性的区分以及次种类属性的进一步细化区分。结论利用建立的拉曼光谱分析方法,依据印泥(油)特征峰的表现,适用于种属鉴别,是一种准确、无损、快捷的方法。     

拉曼光谱技术的发展及其在生物医学领域中的应用

拉曼光谱技术自发现以来广泛应用于检测固体和液体材料的化学成分,它可利用物质的光谱"指纹"信息,区分各种物质样品、检测不同生理状况的细胞及其中的生物分子,如核酸、蛋白质等.为探索拉曼光谱在生物医学领域的应用前景,在概述拉曼光谱原理的基础上,介绍拉曼光谱技术及其衍生出的其他技术,包括表面增强拉曼散射(SERS)、共振拉曼光谱(RRS)、相干反斯托克斯拉曼光谱(CARS)、受激拉曼光谱(SRS)技术等,最后对拉曼光谱的改进与应用提出展望.