四倍体桦树树皮中三萜化合物的测定与评价

白桦脂酸、齐墩果酸和白桦脂醇是桦树树皮中含量较高的3种三萜类化合物,具有重要的药用价值。本实验以超声波辅助提取法提取桦树树皮中的三萜化合物,并利用高效液相色谱法分离检测3种三萜化合物,进而构建小提琴图和星相图等研究2种四倍体桦树树皮中3种三萜化合物的含量差异,并通过因子分析法,筛选出综合性状优良的四倍体桦树单株。结果表明:三萜化合物分离、检测的色谱条件为以十八烷基硅烷键合硅胶为填充剂的C18色谱柱(4.6 mm×250 mm×5μm),以乙腈-水(含0.1%磷酸)为流动相,梯度洗脱,柱温30℃,流速0.5 m L/min,检测波长为195 nm;在0.05的显著性水平下,2种四倍体桦树树皮中齐墩果酸的含量存在显著差异,在0.10的显著性水平下,2种四倍体桦树树皮中白桦脂酸和白桦脂醇的含量存在显著差异,其中杂种白桦中3种三萜化合物含量普遍高于白桦;3种三萜化合物间存在极显著的正相关关系,其中白桦脂酸和白桦脂醇间的相关系数最高,为0.911,而白桦脂醇和齐墩果酸间的相关系数最低,为0.631;利用因子分析法构建了F=48.620%F1+21.080%F2+21.075%F3桦树三萜综合评价公式,并筛选出了综合性状相对优良的桦树单株,其中白桦中综合得分最高的前3个单株依次为4126、4123、4125,杂种白桦中得分最高的前3个单株依次为4202、4204、4208。

不同品牌调味品的电子鼻分析及感官评价

采用固定变量法在其他原料、调味品的质量、品牌都一样的情况下,其主要的一种调味料采用不同的品牌制作菜肴。利用电子鼻对菜肴的汤汁进行快速测定,并通过主成分分析(PCA)和雷达图对所得数据进行分析。结果表明:电子鼻作为近年来新兴的高科技仪器可以较好地分辨复杂的气味,从而区分不同品牌的调味品,值得广泛推广。

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征。针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题。基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序。同时也研究并改进了传统的基于排序的特征选择方法。基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征。尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好。乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道。

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程。在降维后的低维子空间进行分类往往能得到更好的效果。本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用近邻分类器进行分类效果评价。与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果。

一种多元图图形特征向球面坐标映射的可视化方法

提出一种将二维多元图图形特征映射到三维球面坐标的可视化方法。提取二维多元图中雷达图的面积特征、融合矢量的长度和角度特征,通过球面坐标映射将其有机融合到3D球体空间。对Iris数据集的实验结果表明,该方法具有较高的灵活性,能有力揭示数据结构。

着装脸谱图的分类新算法

基于多元统计图表示的脸谱图方法和最小均值分类器的思想,提出了最近脸谱图分类器新方法。针对脸谱图不能有效表达数据样本维数的特点,提出了着装脸谱图,并给出了新的图形特征:面积特征和重心特征。针对脸谱图分类器的主观性,提出了利用最近均值分类器实现脸谱图图形特征的自动分类。8种真实数据集的实验结果证明了该方法的有效性。

心肌梗死并右束支阻滞心电雷达图表示与特征提取

提出一种新的基于多元统计分析中图表达原理的心电雷达图表示方法。选取MIT-BIHPTB心电诊断数据库数据,每一导联随机截取一个心动周期,给予12导联心电雷达图表示,并提取径向坐标图包围面积、分区面积、最大值方向、图形对称性、区域间极值和相邻幅值比特征参数进行分析,发现该方法可直观、准确地从心电形态学角度定性、定量表征心脏生物电变化。

基于雷达图表示原理的英文字符识别方法

在多元数据多元图表示原理理论基础上,提出了一种新的字符模式识别方法。首先基于多元数据雷达图表示原理进行字符的非数值数据-数值数据变换,进而实现字符信息的雷达图表示;然后对待识别字符进行多元图图形基元和特征基元分析,形成字符识别的多元图基元表示模型;最后在字符识别的多元图基元表示模型基础上实现字符识别。本文以手写体大写英文字符的识别为例介绍该方法,通过实验证明该方法具有较好的识别效果。

生物医学数据的可视化图形特征提取方法

从领域问题中提取的原始特征进行某种矢量空间变换如主成分分析(PCA)、线性判别分析(LDA)、独立分量分析(ICA)和基于核的方法可能会改进分类器分类性能。基于多元数据的星点图表示方法,提出了一种新的可视化的图形特征提取方法———星点图重心图形特征。对星点图图表示中存在的特征排序影响图表示的问题进行了研究,提出了基于改进的遗传算法(GA)的特征排序。乳腺癌和糖尿病等生物医学数据集在遗传算法特征排序下的重心图形特征的分类结果都超过了公认的模式识别网站上的报道,也优于传统的矢量空间的特征提取方法下得到的特征的分类性能。