基于一阶导数的中药太赫兹光谱聚类（英文）

针对中药等混合物吸收峰重叠导致无明显吸收峰的情况,提出使用K-means、K-medoids和FCM三种无监督聚类算法结合太赫兹吸收谱一阶导数特征,将三七、当归等四种中药品的太赫兹光谱分别与其易混品的太赫兹光谱进行聚类。三种无监督聚类方法补充了监督学习分类方法的适用范围。光谱一阶导数特征可以放大不同物质吸收系数整体或者是局部的微小差异。实验证明,使用原始吸收系数结合其一阶导数作为分类数据,三种聚类算法都取得很好的效果,K-means算法准确率最高,为95.32%。相较于原始吸收系数作为分类数据,聚类准确率提升明显,尤其是对无吸收峰中药易混品的聚类,K-means算法准确率提升了5.38%。三种聚类算法对误差数据都具有很强的抗干扰能力。     

利用太赫兹时域光谱系统检测水中污染物纯品

利用太赫兹时域光谱技术对22种水中污染物的纯品进行了检测,其中包括除草剂、化肥、塑化剂等。通过理论计算获得了上述样品在太赫兹波段的折射率和吸收系数。结果表面,2,4-二氯苯氧乙酸钠（2,4-D钠盐）和苯磺隆两种除草剂在太赫兹波段存在特征吸收峰,这些数据有利于应用太赫兹时域光谱技术对水中污染物进行检测和鉴别。     

基于模糊模式识别的爆炸物THz光谱识别

运用太赫兹(THz)光谱特性对爆炸物进行检测和识别,是现代检测技术研究的一个热点.在对多种单质炸药和混合炸药及几种可能与它们混淆的物质的太赫兹特征吸收光谱进行研究的基础上,提取它们在0.2～2.2THz频率范围内4个相对较强的特征吸收峰作为分类识别的特征参数,用模糊模式识别方法对它们的太赫兹特征吸收谱进行了分类和识别.首先,用基于模糊等价关系的模糊聚类分析方法对这几种物质的太赫兹特征吸收谱进行聚类训练,获得样品分类并形成标准太赫兹吸收光谱模型库;然后,选用与训练样本主体成分相同的2种物品作为待识别对象,采用基于择近原则的模糊模式识别方法进行了成功识别.研究结果表明,基于模糊聚类分析的模糊模式识别方法对太赫兹吸收谱具有较强的相似特征聚类功能和较高的识别率,为太赫兹光谱技术用于爆炸物的检测和识别提供了一种有效的方法.     

环氧树脂及其混合物的太赫兹光谱分析

本文采用太赫兹时域光谱（THz-TDS）技术研究了四种不同环氧值的环氧树脂在0.2～2.6 THz波段的光学性能和光谱特性,并通过计算获得了四种树脂的吸收系数和折射率。同时,基于四种环氧树脂的吸收谱,本文还对三种按不同质量百分数混合的环氧树脂混合物的太赫兹吸收光谱进行分析。实验结果显示,四种环氧树脂在太赫兹频率范围内没有明显的吸收峰,但各个样品吸收曲线和折射率曲线有显著的差异。运用最小二乘拟合的方法对混合物的吸收谱进行拟合,拟合得到的混合物吸收谱与实验所得的结果相符合。因此,根据太赫兹光谱包含的特征信息能够对混合物进行分析,证实了太赫兹波谱技术将在定量分析领域具有潜在的应用前景。     

高湿度环境下爆炸物太赫兹光谱的特征提取与精准识别

材料太赫兹吸收谱的指纹特性已被广泛应用于物质识别，但实际大气环境下，水蒸气对太赫兹波的强烈吸收会导致光谱严重振荡，假峰、弱峰、混叠峰相继增多，严重影响寻峰比对的精度及物质识别的能力。针对上述问题，提取相对湿度为2%,15%,35%,45%和60%环境下爆炸物的太赫兹吸收光谱信息数据，利用连续小波变换将光谱在频域上展开得到具有特征唯一性的频域尺度图；再基于深度学习方法，以ResNet-50网络模型为基本网络结构，对上述5种不同湿度环境下得到的爆炸物频域尺度图进行网络分类训练，其测试集分类准确率达96.6%。为验证该技术在未经训练湿度样本下的有效性，将相对湿度为50%,55%和67%时爆炸物的时域信号送入该识别系统，分类准确率可达96.2%。实验结果表明，基于小波变换与ResNet-50网络分类训练的太赫兹物质识别方法相比于传统寻峰方法大幅提升了爆炸物在高湿度环境下的识别准确率，规避了降噪、平滑等一系列复杂预处理操作，极大拓展了太赫兹光谱探测技术的工程适应性，为山地、森林、洼地等高湿度、极复杂的作战环境下精确探测、识别地雷等爆炸物提供了技术支持。     

太赫兹技术对营养品中蛋白质含量的研究

采用太赫兹时域光谱(THz-TDS)和红外光谱分析技术,研究了3种奶粉、杏仁粉和白砂糖的光学性能和光谱特性。通过对比样品在1658 cm-1和1747 cm-1处的红外光谱吸收峰,可以判定蛋白质和脂肪含量的差别。对比样品在THz波段的吸收系数和折射率,蛋白质含量较高的样品其吸收系数和折射率较高。观察样品的红外吸收峰强度和位置难以定量分析样品的蛋白质含量,但可以利用样品在THz波段的吸收系数与折射率有效地判定营养品中蛋白质的含量。实验结果表明蛋白质在太赫兹波段比在红外波段有更好的区分性,THz-TDS技术有望为营养品中蛋白质含量检测提供一种有效的分析手段。     

一种辨识磨粒群分形无标度区的新算法

针对磨粒群分形维数计算精度偏低,且无标度区辨识过程中容易出现局部最优的问题,提出了一种辨识无标度区的新算法。首先利用模拟退火K-means算法对磨粒群r～N(r)(尺度~测度)双对数曲线的一阶局部导数聚类,剔除一阶导数为0及波动很大的区间,然后利用模拟退火K-means算法对曲线的二阶局部导数聚类,识别出精确的无标度区间。应用新算法对典型的分形图形进行了分形维数计算,计算结果与理论值吻合度较高;同时应用新算法对磨粒群的分形无标度区进行了辨识。研究表明：磨粒群的分形无标度区较宽,新算法对磨粒群等多孔图形的无标度区辨识效果较好,能显著提高磨粒群分形维数的计算精度。     

改进K均值聚类算法在电厂工况划分中的实现

本文介绍了改进K均值聚类算法的基本原理及应用。通过优化了初始聚类中心和可自适应调整到最佳值,改进的K均值聚类法和原始K均值法相比具有更高的分类准确率及更强的无监督自学习能力。并将此方法应用于基于实时数据的电厂工况划分,实验结果理想。     

三种橡胶材料的太赫兹光谱研究

本文利用太赫兹时域光谱技术研究了氯丁橡胶、丁腈橡胶和三元乙丙橡胶在0.2～1.8 THz频段的光学性能和光谱特性,得到了三种橡胶的时域谱、折射率谱和吸收谱,进而计算橡胶在0.2～1.8 THz频段的吸收系数和折射率,结果表明可以通过吸收系数与折射率来区分不同种类的橡胶。这种方法为认识橡胶对太赫兹波的响应机制提供了科学依据,有望为橡胶材料鉴别提供一种有效的分析手段。     

液态一元醇的太赫兹时域光谱研究

太赫兹波可以与极性液体中的氢键网络产生强的相互作用,作用越强吸收越强。鉴于此性质,利用太赫兹时域光谱技术对甲醇、乙醇、正丙醇在0.1~1THz波段内的太赫兹光谱进行了检测,发现其吸收光谱随分子极性的差异有显著的区别,并从中提取出了一元醇的吸收系数、折射率、介电常数等光学参数。在此基础上还利用对样品介电常数敏感的微孔金属片,通过产生的共振峰漂移进一步对不同一元醇进行了检测,结果表明太赫兹光谱技术结合微结构器件在液态化学及生物样品检测方面有潜在的应用价值。     

太赫兹光谱技术在药物定性定量检测上的应用

为判断药物的真伪,检查药物的纯度,以及克服目前化学药物定性定量检测中耗时长、损耗样本、操作繁琐等缺陷,提出了一种基于太赫兹光谱技术的快速且能准确定性和定量药物的检测方法。基于太赫兹吸收光谱,提取了氯雷他定、消旋卡多曲的特征峰频点以及峰下面积差特征,并通过这些信息来对药物进行定性与定量检测。实验结果表明：在定量检测中,太赫兹光谱技术具有高的稳定性及检测精度;质量分数梯度变化的线性拟合相关系数达到99.8%;在结合主成分分析法（principal component analysis,PCA）对其他药物的检测中,太赫兹光谱技术定性检测准确率可达100%,定量检测误差小于0.01。这些结果可为后续药物的快速、准确和无损检测提供参考。     

沐浴露产品在THz波段的光谱特性

本文采用太赫兹时域光谱技术（THz-TDS）测试分析了6种市售沐浴露样品在0.2-2.0 THz频段下的太赫兹光谱。各样品的吸收谱曲线在44.36-355.75 cm-1区间范围内有明显的分层现象,说明不同品牌沐浴露产品所含成分具有不同的物理、化学性质;通过计算各样品的平均折射率,各样品的平均折射率值依次相差约为0.1,结果表明成分相似的日化产品可以利用THz折射率谱进行快速有效的鉴别。通过对比样品的THz吸收谱与折射率谱,可以推测该技术在日化产品领域有广泛的应用前景。     

基于外形特征的三维模型聚类方法研究

针对实际应用中三维模型数据集的模型分类管理、检索聚类预处理等聚类问题,提出了一种基于划分方法的无监督聚类模型。该模型通过以傅里叶矩不变算法为基础的特征提取算法,综合运用了现有聚类算法,将特征提取和聚类计算有效结合起来,充分考虑了聚类模型数据格式的敏感性问题。计算结果表明,该方法对有一定类结构的数据集在有整体聚类效果的情况下有一定的局部最优性。     

基于谱聚类的振动多模态信号幅谱分割研究与应用

在强噪声下频域的模态峰往往受到强烈的干扰,导致模态参数的提取精度下降,甚至产生模态主频误判。针对这种情形,采用谱聚类算法对振动频谱进行宏观聚类,提出了一种新的幅谱分割方法。按照波峰概念把振动信号幅谱分割成波峰的集合,把每个波峰看成一个待聚类的样本,构建波峰相似度函数、拉普拉斯矩阵和聚类算法,引入谱聚类算法进行波峰自动聚类,聚类的结果就是宏观上的单模态大峰。仿真试验表明,这种幅谱波峰分割的谱聚类算法能够减小噪声和虚假模态的影响,与已有的k-means聚类算法相比,具有更强的噪声抵抗能力和更好的聚类能力。通过对斜拉索振动进行模态测试,证实该算法能够得到符合肉眼观察的幅谱分割效果,且具有较好的稳定性和准确性。     

基于自适应密度聚类的多准则主动学习方法

主动学习能够以更少的标注成本训练出更好的机器学习模型。 现有的 RD 算法与 QBC 算法的结合有效地解决了只考 虑单一标准的问题。 然而,RD 所基于的 K-means 聚类会将离群点也包括在内进而造成模型性能降低,而 QBC 则需要维护于多 个模型而间接返回样本的信息性. 针对上述问题,本文提出了一种基于自适应密度聚类的高斯过程回归(ADC-GPR)算法,通过 先聚类后直接利用不确定性进而高效选择样本。 该算法中的 ADC 聚类不仅对离群点鲁棒,还能根据数据集分布特性自适应聚 类,并为后续的 AL 提供了代表性样本点和其对应的簇,该方法在无监督选择时保证了代表性和多样性,在有监督选择时考虑 了信息性、代表性和多样性。 实验结果表明,在相同的抽样次数下将 ADC-GPR 算法与 RS、KS 以及 RD-GPR 算法相比,其平均 性能分别提升了 37. 3% 、8% 和 2. 8% ,ADC-GPR 算法的选择效率更高。     

神经递质与代谢物混合物的太赫兹波谱的识别与量化

针对神经细胞中常见的三种神经递质(γ-氨基丁酸,L-谷氨酸,盐酸多巴胺)以及两种代谢产物(肌酸,肌醇),运用太赫兹时域光谱系统(THz-TDS)对上述物质各自的纯品进行了特征谱线测量。测量结果表明,这五种物质在远红外波段具有明显且独特的吸收谱线,而同一种物质不同浓度的吸收系数符合朗伯-比尔定律。此外,从这五种物质中任取几种进行不同比例的混合,并对混合物的谱线进行了测量,通过最小二乘法等算法倒推,可以对每一种物质的含量及比例进行准确推定。结果表明,物质含量推定的准确率,两种物质混合时为97%以上,三种物质混合时为95%以上,四种物质混合时为94%以上。这一结果对于癌细胞的早期诊断和治疗具有重要意义。     

A honeybee-mating approach for cluster analysis

Cluster analysis, which is the subject of active research in several fields, such as statistics, pattern recognition, machine learning, and data mining, is to partition a given set of data or objects into clusters. K-means is used as a popular clustering method due to its simplicity and high speed in clustering large datasets. However, K-means has two shortcomings. First, dependency on the initial state and convergence to local optima. The second is that global solutions of large problems cannot be found with reasonable amount of computation effort. In order to overcome local optima problem lots of studies done in clustering. Over the last decade, modeling the behavior of social insects, such as ants and bees, for the purpose of search and problem solving has been the context of the emerging area of swarm intelligence. Honeybees are among the most closely studied social insects. Honeybee mating may also be considered as a typical swarm-based approach to optimization, in which the search algorithm is inspired by the process of marriage in real honeybee. Neural networks algorithms are useful for clustering analysis in data mining. This study proposes a two-stage method, which first uses self-organizing feature maps (SOM) neural network to determine the number of clusters and then uses honeybee mating optimization algorithm based on K-means algorithm to find the final solution. We compared proposed algorithm with other heuristic algorithms in clustering, such as GA, SA, TS, and ACO, by implementing them on several well-known datasets. Our finding shows that the proposed algorithm works better than others. In order to further demonstration of the proposed approach’s capability, a real-world problem of an Internet bookstore market segmentation based on customer loyalty is employed.     

一种K-均值脸谱图聚类新算法

Chernoff脸谱图简单,类似卡通画,能图形化地表示多元数据。但脸谱图聚类算法具有主观性的巨大的对比工作量,脸谱特征分配困难。因此,本文提出一种新的脸谱图聚类算法,它合并了K均值聚类或模糊G均值聚类算法。IRIS和蔬菜油数据集的实验结果表明新算法优于传统的聚类算法。