基于K-OPLS的无线传感网络室内定位跟踪算法

针对基于指纹的无线传感网络室内定位,提出了一种基于核隐变量正交投影(Kernel-based orthogonal projection to latent structures, K-OPLS)的定位算法。在O-PLS的模型框架下,K-OPLS算法应用“核技巧”将描述变量映射至高维特征空间,给出了描述变量和响应变量之间的非线性关系,以实现对模型的预测成分及与响应正交成分的计算。K-OPLS算法集核偏最小二乘建模和正交信号校正预处理方法于一体,在一定程度上有效地改进了模型性能,增强了模型解释性。基于RSSI指纹信息,构建锚节点与处于参考位置的非锚节点之间的非线性映射关系,K-OPLS算法可以实现WSN的室内定位跟踪。将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与核岭回归(KRR)、核极限学习机(KELM)、核信噪比(KSNR)、核偏最小二乘(KPLS)、核自适应滤波等其他核学习算法进行比较。仿真实验中,基于小波核的WK-OPLS算法在无噪声和有噪声环境下的跟踪估计误差分别为0.232 6、1.320 5 m。物理实验中,基于小波核的该算法跟踪估计误差为0.249 3 m。实验结果表明,所提算法有效提高了定位精度,而且具有一定的除噪能力。

K-OPLS方法在化工软测量建模中的应用

针对强非线性复杂化工过程的软测量建模问题,提出了一种基于核隐变量正交投影(K-OPLS)的建模方法。隐变量正交投影(O-PLS)是一种通用的线性多变量数据建模方法,它可以消除与响应变量(输出)正交的描述变量(输入)的总体变化。在O-PLS模型框架下, K-OPLS方法利用"核技巧"将描述变量映射到高维特征空间,计算模型中的预测成分和响应-正交成分。因此, K-OPLS方法通过给出描述与响应变量之间的非线性关系,在一定程度上提高了模型的性能,增强了模型的可解释性。为了验证K-OPLS方法的有效性,将其分别应用于脱丁烷塔基丁烷(C4)组分含量估计、工业流化催化裂化装置(FCCU)关键产品产量预测、硫回收装置(SRU)中H_2S和SO_2浓度预测的软测量建模实例中。实验结果表明,在相同条件下,与支持向量机(SVM)、最小二乘支持向量机(LSSVM)、主元分析-支持向量机(PCA-SVM)、极限学习机(ELM)、核极限学习机(KELM)和PCA-KELM方法相比较, K-OPLS方法具有更好的建模精度和模型泛化能力。

OPLS方法的原理及其在代谢组学数据判别分析中的应用

目的探讨orthogonal projection to latent structures(OPLS)方法的原理、特点及其在代谢组学高维数据分析中的应用。方法通过R语言编程实现OPLS方法,利用模拟试验探索OPLS的特性及适用条件,并通过实际数据进行验证。结果利用一个OPLS预测主成分的模型拟合效果与利用偏最小二乘(PLS)多个主成分的模型拟合效果相同,同时具有较好的判别能力,其得分图的可视化效果优于PLS。结论 OPLS能够有效去除自变量矩阵X中与因变量Y无关的信息,使模型变得简单、易于解释,同时具有较好的可视化效果,可有效地用于代谢组学数据分析中。

红外光谱结合核隐变量正交投影法判别掺杂牛奶

为了快速、准确地检测掺杂牛奶,采用基于核隐变量正交投影(K-OPLS)法分析了掺杂牛奶的光谱。选用高斯函数作为核函数,内部交叉验证均方根(RMSECV)最小值作为评价指标,优选了核函数中的核宽度σ以及Y正交成分数。配置含四环素牛奶(0.01～0.3gL-1)、三聚氰胺牛奶(0.01～0.3gL-1)和葡萄糖牛奶(0.01～0.3gL-1)各36个,采集纯牛奶及掺杂牛奶样品的红外光谱,采用K-OPLS建立各掺杂牛奶与纯牛奶的判别模型。利用这些模型对未知样品进行判别,结果显示对掺杂四环素、三聚氰胺、葡萄糖牛奶的判别正确率分别为100%、100%、95.8%。建立了同时判别3种掺杂牛奶与纯牛奶的K-OPLS模型,该模型对未知样品的判别正确率为93.1%;同时,与偏最小二乘判别PLS-DA方法的预测结果进行了比较,结果表明:K-OPLS建模方法对于复杂的牛奶体系具有较好的预测能力。

核正交偏最小二乘在代谢组学数据分析中的应用

目的探索核正交偏最小二乘方法的特点及其在代谢组学数据分析中的应用。方法通过模拟实验和真实代谢组学数据,评价核正交偏最小二乘方法的模型预测能力及其可视化效果。结果模拟数据分析表明,当数据间存在线性关系时,KOPLS与传统的线性OPLS具有相同的效果;当数据间存在非线性关系时,KOPLS具有相对更高的预测能力,得分图的可视化效果更好。实际数据分析结果显示,应用KOPLS能够提高模型预测能力和改善可视化效果。结论对于高维非线性关系的代谢组学数据更适合使用KOPLS方法。

代谢组学数据处理方法——主成分分析

代谢组学在生命科学领域得到了越来越广泛的应用并展现出良好的前景。代谢组学分析产生的含有大量变量的数据难以用常规方法进行分析,如何正确分析和解释代谢组学的数据是研究的关键。本文主要介绍了在代谢组学数据分析中占主导地位的主成分分析基本方法,旨在加强代谢组学数据分析的基础知识并规范数据分析的方法。

核磁共振波谱法结合化学计量学判别油菜蜜的成熟蜜、非成熟蜜和加工蜜

应用核磁共振波谱法,对采集自安徽、内蒙古和江苏3个地区油菜蜜的成熟蜜、非成熟蜜及加工蜜共计80个样品的氢谱进行测定,建立区分3种蜂蜜的方法,解析油菜蜜组分中未重叠的特征峰,对比3个地区3种蜜代表性样品的核磁波谱图(NOESY 1D),并分析不同蜂蜜中部分组分的含量。运用隐结构双向正交投影‒判别分析法(O2PLS-DA),对上述蜂蜜进行分组判别,选取R2Y和Q2值最大的积分间隔,可清晰地区分3个地区的成熟蜜。虽然加工蜜与非成熟蜜有部分重叠,但在三维图中可以区分。对同一地区的3种蜂蜜可以清晰地分组区分,3组R2Y值均大于0.97,Q2值均大于0.81。所建立的方法可用于鉴别同一地区的成熟、非成熟与加工油菜蜜,具有样品用量少、检测用时短和结果重现性好等优势。

基于核质量潜结构投影的非线性过程质量监测方法

提出一种与质量相关的核潜结构投影方法,并将其应用于非线性过程的质量监测中.结果表明,与KPLS方法在过程潜变量空间监测质量相关的变化不同,新方法通过将质量变量空间进一步分为3个子空间,实现了对包含能被过程解释的质量部分以及不能被过程解释的质量部分的完整质量监测.同时,通过TE仿真案例验证了新方法的有效性.

超临界流体萃取-GC-MS分析西黄丸中挥发性成分

建立西黄丸中挥发油成分乙酸辛酯的含量测定方法,为西黄丸的质控标准提供依据。方法:超临界CO2萃取西黄丸中挥发油成分,采用气相色谱法测定乙酸辛酯含量;研究压力、温度、时间和粒度因素对挥发油得率与乙酸辛酯含量的影响,并进行了化学计量学分析。采用GC-MS分析了适宜条件的挥发油的成分。综合考虑挥发油得率和乙酸辛酯含量双指标,确定的西黄丸挥发油萃取条件为:粉碎粒度为80目,萃取压力为25 MPa,温度为40℃,时间为2 h。在此条件下,挥发油得率达到7.76%,乙酸辛酯含量达到0.72 mg·g^(-1)。通过指纹图谱、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)化学计量学分析可知,不同萃取条件对所提取的挥发油物质组分及其含量没有显著性差异。GC-MS鉴定出的主要成分有(1S-endo)-2-甲基-3-亚甲基-2-(4-甲基-3--3-戊烯基)-二环[2.2.1庚烷、10α-羟基日本刺参萜、(±)-麝香酮、4-亚甲基-2,8,8-三甲基-2-乙烯基-双环[5.2.0]壬烷和2-甲基-4-(2,6,6-三甲基-1-环己烯-1-基)丁醛。结论:西黄丸挥发油成分适宜萃取条件,及建立的乙酸辛酯含量测定方法准确、可靠,为有效控制西黄丸质量,完善其质量标准及进一步的药效成分研究提供了科学依据。

基于快速蒸发离子化质谱实时检测空气油炸鲳鱼的脂质组学轮廓

快速蒸发离子化质谱(rapid evaporative ionization mass spectrometry,REIMS)是一种无需样品预处理的新型质谱技术,通过手持智能手术刀切割样品采集数据从而获得脂质组学轮廓。本研究采用REIMS技术和主成分分析(principal component analysis,PCA)、隐结构正交投影(orthogonal projection to latent structure,OPLS)等数理统计方法实时监测鲳鱼在空气油炸过程中脂质组学轮廓变化,并探究不同空气油炸温度对鲳鱼肌肉组织脂质组成的影响。通过单因素条件优化得到适宜的REIMS系统参数,电刀输出功率20 W、电刀切割功率1 mm/s、辅助溶剂流速100μL/min,从而获得稳定可靠的质谱轮廓图。在PCA分析的基础上进行OPLS分析,得到10个重要的特征离子(VIP>1),其中PE(O-16∶1/22∶6)只在原料中检测到,为4.61%;此外,PE(22∶5/22∶6)在10个磷脂离子中的不饱和度最高,其相对含量随油炸温度的升高而降低,同样可见于PA(18∶1/22∶6)和PI(18∶0/22∶6),说明磷脂的饱和度有随油炸温度升高而上升的趋势。经方法验证显示,REIMS检测离子的信噪比范围为49.58~205.30,日内和日间精密度的相对标准偏差为3.10%~7.28%,灵敏度和精密度均较高,因此,该方法将成为脂质组学研究过程中一种简单、高效、准确的新型技术手段。

基于自适应多核潜结构映射选择性集成模型的磨机负荷参数预测（英文）

磨机负荷参数是影响选矿流程产品质量和产量的难以检测关键过程变量.磨机研磨产生的多源机械信号频谱与磨机负荷参数间存在复杂的非线性映射关系.核潜结构映射(KPLS)算法适合构建基于频谱数据的磨机负荷参数预测(MLPF)模型.针对上述难点,本文提出一种面向MLPF的自适应多核潜结构映射选择性集成(SEN)模型.首先,基于经验模态分解(EEMD)和时频变换技术处理多源机械信号,得到基于不同时间尺度候选子信号的频谱数据;接着,采用KPLS和分支定界选择性集成(BBSEN)算法,构建基于多尺度频谱的候选子子模型和SEN子模型;最后,从候选子子模型和SEN子模型中优选获得不同时间尺度的候选子信号模型,并再次采用BBSEN算法优选集成子信号模型并加权组合,构建最终的MLPF模型.基于实验球磨机的实际运行数据仿真验证了所提方法的有效性.

慢性心力衰竭血瘀证患者血浆代谢物研究

目的利用磁共振波谱方法研究慢性心力衰竭(心衰)血瘀证患者的标志性代谢物。方法通过临床横断面调查研究,收集慢性心衰血瘀证患者的一般资料和血液样品,采用模式识别技术对磁共振氢谱采用化学位移分段积分和归一化处理。所得数据输入SIMCA-P软件,应用正交偏最小二乘判别分析法(OPLS-DA)对结果进行分析。结果 OPLS-DA模型具有较好的区分度和预测性,慢性心衰血瘀证患者组氨酸、甘氨酸、缬氨酸等物质下降,乳酸、丙氨酸、丙酮酸等代谢物升高。结论血浆中氨基酸代谢物、能量代谢以及脂类代谢物的改变构成了慢性心衰血瘀证患者的代谢特征,为疾病的诊断和治疗以及中医证候研究提供了新思路和新方法。

不同培养时间下蝉棒束孢菌丝体的代谢组研究

利用LC-MS对不同培养时间蝉棒束孢菌丝体代谢物进行检测,结合多变量统计分析的主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)鉴定差异化合物。PCA和OPLS-DA表明蝉棒束孢菌丝体中的代谢物随培养时间不同有显著变化。阴、阳离子模式下我们都可以把蝉棒束孢代谢物变化分为前期、中期和后期3个时期。培养前期产生较多的细胞松弛素E、肌醇、γ-氨基丁酸、乙酰肉碱、亚油酸等与侵染宿主、早期信号传导和氧化供能有关的物质;中期产生较多的甘露醇、海藻糖、亚麻酸、柠檬酸、丙酮酸、7,8-二羟基油酸等与抗逆和氧化供能有关的物质,此外还有两种抗生素红酵母红素、δ-氨基-γ-酮戊酸达到了最大值;培养后期产生较多的脯氨酸、2,4-二氨基丁酸、3′-deoxy-hanasanagin、ulvaline、赤霉素、烟酰胺等与抗逆、抗氧化、产孢、细胞保护有关的物质。首次发现烟酰胺可能与蝉棒束孢从营养生长转化为生殖生长及产孢有关;同时赤霉素、ulvaline和δ-氨基-γ-酮戊酸可能与蝉棒束孢产孢或孢子成熟有关,尤其值得注意的是蝉棒束孢在培养后期高速合成和大量积累赤霉素,值得深入研究。根据蝉棒束孢的代谢特点,作为药品及保健品开发蝉棒束孢菌丝产品时,培养时间宜在7–11d。

基于胆汁酸代谢谱对自身免疫性肝炎小鼠模型的早期预判研究

目的:采用液相色谱质谱联用仪(LC-MS/MS)测定胆汁酸代谢谱的分析方法评价刀豆蛋白A诱导自身免疫性肝炎(autoimmune hepatitis,AIH)小鼠模型。方法:小鼠经30 mg·kg^(-1)刀豆蛋白A诱导后可成功建立AIH模型(可称为模型组);而经20 mg·kg^(-1)刀豆蛋白A诱导后其生化、病理指标均未发生显著变化(可称为模型前组)。结果:通过血清胆汁酸谱分析发现模型前组小鼠有部分胆汁酸成分明显升高,而模型组小鼠所有胆汁酸成分均急剧升高。进一步经主成分分析及正交-偏最小二乘法判别分析后证明胆汁酸谱即可对模型前组小鼠与正常组小鼠做出明显区分,并从中筛选出能够提前进行亚疾病状态预判的潜在生物标志物。结论:本文为临床AIH患者的早期诊断及病程分级研究奠定了基础。

凡纳滨对虾池塘养殖过程中水质与虾虹彩病毒病发生的相关性

为了解凡纳滨对虾(Litopenaeus vannamei)养殖过程中水质与病害发生之间的关联性。对上海市奉贤区某虾类养殖合作社的池塘水质、养殖虾病原携带情况进行定期检测,结合其发病状况,使用主成分分析法(PCA)和正交偏最小二乘法(OPLS-DA),分析健康组、带病组、发病组同一时间段水质数据的差异性,并筛选出对各组差异贡献最大的水质因子。试验中,带病组和发病组的养殖虾均有检出虾虹彩病毒,分析表明:(1)发病组与健康组之间、发病组与带病组之间,水质有显著差异;而只要不发病,即便养殖虾携带病毒,该池塘水质与健康组之间并无显著区分。(2)水质因子与虾病发生的关联性程度为总氮>水温>总磷>溶解氧。(3)分塘等机械操作在一定程度上也会引起凡纳滨对虾的应激反应,诱发虾病的发生。(4)"带病&健康"组为大棚养殖,水温保持在30℃左右,即使凡纳滨对虾带有虾虹彩病毒,依然可以健康生长,但将其转移至较低水温条件下的露天池塘继续养殖时,则疾病暴发,出现死亡。养殖过程中应重视水温管理,注意水质变化,减少不必要的机械操作活动。

PCA-HCA-OPLS联合建立太子参内在品质等级评价模型

目的以简单、普适的内在质控指标建立太子参药材品质的等级评价模型,为太子参药材的等级评价及预测提供参考。方法采集22批不同产地太子参药材,测定样品中水分、总灰分、浸出物、总多糖、总皂苷等10个内在质量控制指标,应用主成分分析、聚类分析以及隐结构正交投影等计量化学方法,对22批太子参进行等级分类并建立等级预判模型。结果 22批太子参可以划分为3个等级,等级越高品质越差;醇溶性浸出物、水分、水溶性冷浸物以及挥发性醚浸出物对太子参的等级评价有重要作用。结论 PCA-HCA-OPLS结合建立的太子参等级评价及预测模型理想可靠,可以用于评价太子参的等级划分。