采用傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy,FT-IR)仪结合衰减全反射(Attenuated Total Reflection,ATR)附件采集石斛茎部(近根部)横断面的中红外光谱,原始光谱经标准正态变换(Standard Normal Variate,SNV)和均...采用傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy,FT-IR)仪结合衰减全反射(Attenuated Total Reflection,ATR)附件采集石斛茎部(近根部)横断面的中红外光谱,原始光谱经标准正态变换(Standard Normal Variate,SNV)和均值中心化(Mean Center,MNCN)预处理后,采用偏最小二乘法判别分析法(Partial Least Squares Discriminant Analysis,PLSDA)建立两种石斛的鉴别模型。结果显示,全谱PLSDA方法所建模型校正集、校正集交叉验证和预测识别率分别为96.25%、92.69%和91.82%。采用无信息变量消除法(Uninformative Variable Elimination,UVE)优选敏感波长后,建立PLSDA模型的准确性更高,校正集、校正集交叉验证和预测集识别正确率分别达到了99.28%、95.72%和95.02%。展开更多
文摘采用傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy,FT-IR)仪结合衰减全反射(Attenuated Total Reflection,ATR)附件采集石斛茎部(近根部)横断面的中红外光谱,原始光谱经标准正态变换(Standard Normal Variate,SNV)和均值中心化(Mean Center,MNCN)预处理后,采用偏最小二乘法判别分析法(Partial Least Squares Discriminant Analysis,PLSDA)建立两种石斛的鉴别模型。结果显示,全谱PLSDA方法所建模型校正集、校正集交叉验证和预测识别率分别为96.25%、92.69%和91.82%。采用无信息变量消除法(Uninformative Variable Elimination,UVE)优选敏感波长后,建立PLSDA模型的准确性更高,校正集、校正集交叉验证和预测集识别正确率分别达到了99.28%、95.72%和95.02%。