主成分-线性判别法对大气易挥发性有机化合物的预警

应用遥感傅里叶变换红外光谱,采用主成分提取-线性判别分析(PCA-LDA)技术,对丙酮、二氯甲烷、甲苯、苯、氯仿和甲醇等六组分的任意混合体系进行定性鉴别。被选用的这6种大气有毒有机化合物的红外光谱图相互间存在着严重的混叠,并和反向传播人工神经网络(BP-ANN)的预测结果进行了比较。PCA-LDA的鉴别判对率达92.2%,识别率94.4%,误判率7.8%;BP-ANN分别为91.1%、95.6%和8.9%。结果表明PCA处理克服了LDA对多变量数据预测的局限性,预测性能和BP-ANN相当。鉴于BP-ANN计算耗时和繁琐,PCA-LDA模型被确定为建立VOCs预警模型最适当的方法。

基于主成分-线性判别分析的植物药多糖HPLC图谱与寒热药性关系研究

目的:探讨中药寒热药性与所含多糖成分的相关性。方法:取寒性、热性植物药各10味,提取并精制所含多糖,用三氟乙酸彻底水解成单糖,加入1-苯基-3-甲基-5-吡唑啉酮进行衍生化反应,测定其单糖HPLC图谱,并利用主成分-线性判别分析研究结果。结果:主成分-线性判别分析完全实现了对20味植物药寒热药性准确判别。结论:中药寒热药性与所含多糖成分存在明显相关性,多糖是中药药性的物质基础之一;主成分-线性判别可对中药药性进行判别,且判别准确率高。

主成分-线性判别分析在中药药性识别中的应用

目的探索利用主成分-线性判别分析基于中药的功效主治属性判别其药性的可行性。方法收集《中华本草》中收录的药性明确、功效主治属性特征详尽的植物药1 725种,首先运用主成分-线性判别建立模型,以此模型对药性进行判别分类,采用10次5折交叉验证评价模型稳定性,然后按照随机抽样的原则,从寒、热性两类药材中分别随机抽取80%(共1 380种)的药材作为训练集建立模型,其余20%(共345种)药材组成测试集,做预测。结果运用主成分-线性判别模型,全部1 725种中药的组内判别正确率为94.43%,交叉验证平均正确率为91.54%。训练组的组内回代判别正确率为94.78%,测试组的预测正确率为90.14%。结论基于主成分-线性判别对中药药性进行判别,不仅保证了线性判别的正常运行,而且判别准确率高,模型稳定性好,能够为临床用药提供依据。

太赫兹时域光谱结合主成分分析线性判别和支持向量机用于大黄样品鉴定（英文）

太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。在时域测量41个大黄样品的太赫兹时域透射光谱,然后将这些时域信号转换成频域的吸收系数系数。根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型,并对正品和非正品大黄样本的分类模型进行了交叉验证。模型的预测能力和稳定性使用自助拉丁配分进行评价,使用50次自助拉丁配分,配分数为4。使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。提出的方法证明是一种方便、无污染、准确和无需化学处理的鉴定大黄样本的方法。该文提出的步骤可以应用于其他中草药分类和生产的质量控制。

红外光谱结合PCA-LDA对嘉峪关戏台文物建筑彩画胶料种类的判别

为了判别嘉峪关戏台文物建筑彩画的胶料种类,采用皮胶、鱼鳔胶、蛋清、蛋黄、牛奶为参考样品,使用傅里叶红外光谱仪采集了参考样品及三件文物样品胶料的红外吸收光谱,利用主成分分析结合线性判别分析(PCA-LDA)构建胶料种类判别的数学模型,并应用于文物样品。发现参考样品红外光谱在1800~1000 cm^(-1)区间包含了丰富的分子结构特征信息。该区间中蛋白类胶料的共同特征为1650 cm^(-1)附近的仲酰胺C=O键伸缩振动峰,1542 cm^(-1)附近的酰胺C—N键伸缩振动和N—H键弯曲振动峰,1240 cm^(-1)附近的酰胺C—N键伸缩振动峰。此外,蛋黄、皮胶和牛奶因其中含有较多脂类物质,在1745 cm^(-1)附近还存在饱和脂肪酸酯羰基C=O键伸缩振动峰。在此基础上,通过对参考样品红外吸收光谱主成分得分散点图的分析,发现不同胶料参考样品的红外光谱类间差异显著。据此,使用参考样品红外光谱的主成分得分为训练集,添加类别变量拟合判别函数,绘制函数组质心图并进行交叉验证,得出方程的判别正确率为93.3%。发现因老化降解导致三件文物样品的红外吸收光谱与参考样品光谱有所不同,但仍具有蛋白类胶料的特征。利用PCA-LDA分析模型对文物胶料种类进行判别,结果均为皮胶。该胶料种类判别模型稳定、有效,用该模型判定嘉峪关建筑彩画胶料为动物胶中皮胶。

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.

基于近红外光谱分析技术的水蜜桃产地溯源

利用近红外光谱分析技术对来自3个省份的水蜜桃进行研究,比较主成分分析-线性判别分析(PCA-LDA)、判别偏最小二乘法(DPLS)、支持向量机(SVM)等方法对光谱数据识别的有效性差异。结果表明,SVM的准确率和召回率均高达94.47%,明显优于PCA-LDA和DPLS,更适用于水蜜桃产地溯源。

基于虚拟样本的改进人脸识别算法研究及应用

针对实际采集的视频中背景复杂,人物多变,图像处理时间长,训练样本不足的问题,提出了构造虚拟样本,并结合Gabor滤波器及对PCA-LDA算法加以改进的人脸识别算法,以应用于教室点名系统。首先对教室采集到的视频进行裁剪,按帧截取并检测出含有人脸的部分图像并单独保存为测试图像,然后将其与已有人脸库里的训练图像进行对比,最后采用提出的镜像法构造虚拟样本,并结合了Gabor滤波器以及PCNN灰度图像增强处理算法的改进PCA-LDA算法进行人脸识别。仿真实验表明,提出的算法预测了样本可能存在的变化,也在一定程度上降低了计算复杂度,明显地提高了识别率,并在教室点名系统中得到了较好的验证。

基于三维荧光光谱的枸杞子储藏年份鉴别研究

目的利用三维荧光光谱结合模式识别技术构建枸杞子储藏年份的鉴别方法。方法采集枸杞子提取液的三维荧光光谱数据,分析当季及不同储藏年份(1年、2年和3年)枸杞子样品的三维荧光光谱特征差异,利用主成分分析结合线性判别分析(PCA-LDA)构建枸杞子不同储藏年份的分类模型。结果不同储藏年份枸杞子提取液的三维荧光光谱特征相似,均具有5个较明显的荧光峰,且荧光峰位置和峰形基本一致,但荧光强度差异显著。当PCA-LDA模型的主成分数选择为5时,其训练集、测试集及预测集分类准确率均达到100%,且灵敏度和特异性也均达到100%。结论基于三维荧光光谱数据利用PCA-LDA模型可以快速准确鉴定不同储藏年份枸杞子样品。

拉曼光谱诊断喉癌的初步探究

为了比较喉癌组织及癌旁组织拉曼光谱的差别,得出其各自的特点和规律,建立了喉癌诊断模型;收集2014年10月—2015年8月在中南大学湘雅医院耳鼻咽喉头颈外科进行手术切除的54例喉癌样本和56例癌旁样本,样本统一处理后进行拉曼光谱检测,收集原始光谱数据进行预处理和统计学分析。结果表明:喉癌组织比癌旁组织的的平均拉曼光谱强度更大,且喉癌组织存在稳定的拉曼峰群;喉癌组与癌旁组的t检验结果显示,在波数为150~1859cm-1、1864~1872cm-1、1890~1898.5cm-1、1900~1924cm-1、1964~1968cm-1、1993~1998.5cm-1和2010.5~3476cm-1的波段内,两组样本有统计学差异(显著性水平p<0.05);利用主成分分析-线性判别分析(PCA-LDA)法选取差异波段进行分析,提取3个显著性差异主成分,将其作为LDA的输入,计算判别函数系数,并建立判别模型,判别模型对样本的预测具有较好的特异度和灵敏度,分别为80.4%和87.0%;利用受试者工作特征(ROC)曲线法对喉癌诊断模型进行评价,曲线下面积为0.877;喉癌组织和癌旁组织的拉曼光谱存在较明显且稳定的差异,利用多元统计分析的方法建立的判别模型具有较好的可靠性;拉曼光谱具有在分子水平上为喉癌提供无损、实时诊断与检测的潜能。

数据融合法结合决策树优化东方草莓全草的地理溯源性研究

目的:通过融合HPLC与ICP-MS的分析结果建立数据集,结合模式识别法对来自5个产地96批次的藏药东方草莓进行地理溯源性研究,以期为未知来源的东方草莓提供便捷有效的产地判别方法。方法:采用HPLC建立东方草莓指纹图谱,并以LC-MS对各色谱峰进行成分归属,色谱峰信息作为数据集1;采用ICP-MS对东方草莓中21种无机元素进行含量测定,并以对数法建立无机元素指纹图谱,无机元素信息作为数据集2;二者数据融合作为数据集3。结合CA、PCA、PCA-LDA及C5.0决策树算法,对比3个数据集的地理追溯结果。结果:数据融合法相较于单一技术所得数据集,CA、PCA和PCA-LDA均可使96批东方草莓成功归类。对数据融合法的PCA-LDA模型进行内部验证和外部验证,其正确分类率均大于88.3%,表明该模型可作为东方草莓的正确分类依据。C5.0决策树筛选出4个主要贡献变量,并获得树深度为3的分类规则,其十折交叉验证结果显示平均准确度为98.9%。结论:数据融合法可提高不同产地东方草莓地理溯源的准确性,且决策树算法得出的分类规则可降低实际操作难度。以数据融合法结合决策树规则所得出的东方草莓地理分类机制为未知样品的产地来源提供新的鉴别依据,且操作简便,准确率高,有利于东方草莓的质量控制,也为其他药材品种溯源提供参考。

基于SERS光谱技术的滑膜型关节炎研究

以银纳米材料作为活性基底构建的表面增强拉曼散射(SERS)检测系统可以改善拉曼技术对生物活性物质检测时信号弱的缺点。本文对18例滑膜型关节炎病患的关节液样本和15例健康人的关节液样本进行SERS检测,收集SERS光谱数据后采用谱峰归属法、主成分分析(PCA)-线性判别分析(LDA)算法对样本数据进行分析。结果表明:关节炎病患关节液样本中的多糖(477 cm^(-1))、DNA(722 cm^(-1))、δ(CH2)(1439 cm^(-1))、鸟嘌呤(N3)(1576 cm^(-1))和酰胺I带(1676 cm^(-1))比健康人的多,而糖原(490 cm^(-1))、磷脂酰肌醇(596 cm^(-1))、蛋白酪氨酸(640 cm^(-1))、葡萄糖(1071 cm^(-1))和蛋白酰胺吸收(1645 cm^(-1))比健康人低。PCA-LDA算法对该疾病的诊断特异性和灵敏度分别为83.3%和80%。本研究说明以银纳米材料为活性基底的SERS光谱技术对诊断和分析滑膜型关节炎疾病具有一定的可行性和参考价值。