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。

基于线性判别分析与主成分分析的骨干网架生存性评估方法

从电网网架的可抵抗性、可恢复性、安全性和连通性4方面出发,建立了差异化规划生存性评估指标体系,并进行指标效益成本属性分析和规范化处理;在此基础上,建立二级指标的线性判别分析评估模型和一级指标的主成分分析评估模型。首先求取二级指标决策矩阵的线性判别分析判决准则函数的最大值,以其所对应的最大投影方向确定三级指标权重,再对二级指标矩阵进行主成分分析,根据累积方差贡献率来确定二级指标权重,最终实现骨干网架综合生存性评估。IEEE118节点算例的仿真结果验证了该评估方法的有效性和可信性。

基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法

提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.

线性判别分析与主成分分析及其相关研究评述

线性判别分析(LDA)和主成分分析(PCA)都在各个领域有着重要的作用。他们各自抓住样本在特征空间的不同特征,一般情况下更趋向于使用LDA,因为LDA直接处理类间的分析问题,而PCA则没有突出类的结构。然而实验证明PCA在某些问题上又明显优于LDA。于是,改进或结合使用LDA与PCA成了非常必要的课题。现阶段在这个领域上已经有许多优秀的研究成果,本文简单的介绍了其中几种效果较好的相关分析方法,其中又以混合判别分析(HDA)最优。HDA不仅同时抓住了样本的判别信息和描述信息,使PCA与LDA在各种情况下达到平衡,而且在二维参数空间中提供了一系列的分析方法,更有利于解决小样本问题和高维问题。Boosted HDA的提出通过用迭代的方法改进弱分类器,避免了HDA复杂的参数搜索,并得到一种统一计算HDA的方法。文章将在第三部分引用一些已有的实验结果来验证HDA的优越性。

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。

主成分分析和线性判别分析应用于心电信号特征提取和诊断算法研究

针对心脏疾病发病率高且不易自主检测的问题,提出了一种心电信号特征提取和分类诊断算法。首先对心电信号进行提升小波变换和改进半软阈值相结合的预处理变换,在去除心电信号的噪声后,利用主成分分析(principal component analysis,PCA)对心电信号进行降维,并利用核独立成分提取心电信号的非线性特征;同时离散小波变换提取去噪后心电信号的频域特征,基于线性判别分析(linear discriminant analysis,LDA)对频域统计特征进行降维处理。将两种不同的特征向量组成多域特征空间,最后利用支持向量机对多域特征空间分类,遗传算法对其参数进行寻优,从而实现心电信号特征的分类。实验结果表明,所提出的算法能够对5类心电节拍进行准确分类,分类效率达99.11%。

基于主成分分析和支持向量机的鲁棒稀疏线性判别分析方法

线性判别分析(linear discriminant analysis,LDA)是一种基于监督学习的模式识别方法,在图像识别领域应用广泛。针对经典的LDA识别率不高、识别效率低以及鲁棒性不强的问题,提出了一种基于主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)的鲁棒稀疏线性判别分析方法。通过ORL人脸图像库、YaleB人脸图像库、COIL20物体图像库和UCI机器学习库中部分图像集,将本文方法与线性判别分析、鲁棒线性判别分析、基于L1范数和巴氏距离的鲁棒线性判别分析、鲁棒自适应线性判别分析和鲁棒稀疏线性判别分析6种方法进行比较。实验结果表明,在ORL人脸库、COIL20物体库和UCI机器学习库中的部分图像集中,本文方法的识别率和识别效率均高于其他5种方法。在YaleB人脸库加入椒盐噪声的条件下,本文方法的识别率均值为81.35%,说明提出方法的识别率和鲁棒性均优于其他5种方法。

主成分分析与线性判别分析降维比较

主成分分析(PCA)和线性判别分析(LDA)是机器学习领域中常用的降维方法。本文针对矩阵型数据结构,将一维的降维方法PCA和LDA推广为二维PCA和二维LDA,2DPCA和2DLDA对矩阵型数据进行降维处理时,克服了维数灾难的问题。实验研究表明,对比降维效果和分类错误率,2DLDA相比2DPCA是一种更为出色的降维分类方法。

基于主成分分析和判别分析的白酒品牌鉴别方法

白酒的香气物质决定了白酒产品的差异。为了实现不同白酒产品的区分鉴别,提出了基于气相色谱分析技术结合模式识别实现白酒区分的方法。采集了7种产品共70个白酒样本的气相色谱数据,定性定量分析了己酸乙酯、乳酸乙酯等10种基本香气物质的含量,并对测定的物质进行主成分分析,验证区分效果,最后利用线性判别法建立判别函数,对不同白酒进行区分。结果表明,2种分析方法均可用于区分不同白酒,主成分分析结果显示,前3个主成分累计贡献率为86.527%,能有效描述香气物质和产品之间的复杂关系;线性判别分析对所有样本均得到准确的判别,正确率为100%,对预测样本的正确判别率达93.9%,建立的判别函数能准确区分不同白酒。研究表明,利用气相色谱技术结合模式识别的方法可用于不同白酒的区分鉴别。

基于线性判别分析的电力负荷预测

为了更加有效地减少电力负荷预测模型的输入变量以提高模型运行速度和预测精度,利用线性判别分析法(LDA)对输入变量进行降维处理,并与主成分分析法(PCA)在BP神经网络、支持向量机(SVM)和决策树梯度提升算法(LGBM)三种模型上进行实例分析对比,结果显示,使用LDA降维的三种模型的RMSE分别降低了42 MWh、62 MWh、55 MWh左右,MAPE分别降低了0.6%、0.9%、0.7%左右,预测精确度更高,在其中两种模型上还能显著缩短运行时间,模型的整体性能得到有效提高。

稀疏主成分线性判别分析算法

本论文开展了基于稀疏表示的人脸识别算法研究。主要内容如下:(1)回顾了人脸识别的发展,从中挑选了主成分分析(PCA)与线性判别分析(LDA)这两种典型算法进行研究。(2)在对两种传统算法进行学习和研究后,实现了它们与稀疏表示结合的算法——稀疏线性判别分析(SDA)与稀疏主成分分析(SPCA)。(3)通过对前面两种算法的总结,得到了改进算法。在标准ORL人脸数据以及Yale人脸数据上进行了比较实验,实验结果表明改进后的算法取得了较好的识别效果。

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。

基于一测多评法多成分定量结合多元统计分析技术评价不同产地肉桂品质

目的建立同步检测肉桂中14个成分含量的方法,并采用多元统计分析技术对不同产地肉桂品质进行综合评价。方法采用HPLC,以原儿茶酸为内参,建立13个待测成分香豆酸、香豆素、肉桂醇、桂皮酸、邻甲氧基肉桂酸、桂皮醛、邻甲氧基肉桂醛、香草酸、丁香酸、对羟基苯甲酸、原花青素B2、表儿茶素和原花青素C1的相对校正因子,计算各成分含量,采用外标法对一测多评法(QAMS)进行验证,结合主成分分析、正交偏最小二乘-判别分析(OPLS-DA)及熵权TOPSIS对肉桂质量进行综合评价。结果外标法方法学验证结果均符合要求;以原儿茶酸为内参建立的相对校正因子在不同试验条件下耐用性良好,各成分含量外标法计算结果与QAMS无明显差异(P>0.05);多元统计分析显示,前2个主成分累计方差贡献率为90.312%,桂皮醛、邻甲氧基肉桂醛、原花青素B2和对羟基苯甲酸对肉桂品质影响较大;熵权TOPSIS结果显示,16批肉桂的Pi值为0.1472~0.7681,不同产地肉桂的品质差异较大,其中广西产地肉桂整体质量最好,其次为广东和云南产地样品,福建产地样品相对较差。结论本研究建立的QAMS多成分定量结合多元统计分析技术可用于肉桂品质的综合评价。

基于主成分判别分析的高光谱遥感影像分类方法

提出了一种基于主成分判别分析的高光谱遥感影像分类方法。针对高光谱遥感影像数据量大、冗余信息多的特点,使用改进的线性判别分析方法对高光谱遥感数据进行线性维数减少。该方法将主成分分析加入到线性判别分析的算法框架中,能够克服常规的线性判别分析方法在训练样本数量较少时遭遇到的小样本问题。通过实验,证明基于主成分判别分析的遥感影像分类方法能够利用少量的训练样本实现更优的分类精度。

气相色谱-离子迁移谱结合化学计量学分析对新会陈皮的鉴别

采用气相色谱-离子迁移谱(gas chromatography-ion mobility spectrometry,GC-IMS)技术对包括新会陈皮在内的10个产地陈皮的风味成分进行测定,运用主成分分析和偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)方法对GC-IMS检出的75种风味成分进行分析,以建立新会陈皮的鉴别方法。结果表明,该方法可将新会陈皮与其他陈皮区分开,实现对新会陈皮的有效鉴别。同时,分析变量投影重要性可进一步筛选出20种对有效区分新会陈皮和其他产地陈皮发挥关键作用的特征标志物。本研究通过引入GC-IMS技术和PLSDA方法实现了新会陈皮与其他产地陈皮的准确鉴别,可为新会陈皮的国家地理标志产品保护和产地溯源提供新的技术参考。

基于HPLC指纹图谱结合多元统计分析九制女贞子炮制过程中成分变化

目的建立3个不同批次九制女贞子样品的高效液相色谱(HPLC)指纹图谱及多成分含量测定方法,结合化学模式识别分析评价九制女贞子的质量差异。方法采用HPLC法建立不同批次九制女贞子的指纹图谱并进行5种成分的含量测定,通过相似度分析、主成分分析(PCA)和最小偏二乘法-判别分析(PLS-DA)评价不同批次九制女贞子质量差异,找寻炮制过程中成分含量的动态变化情况。结果建立了九制女贞子的HPLC指纹图谱,标定了26个共有峰,指认了其中5个成分,分别是羟基酪醇(峰9)、红景天苷(峰10)、特女贞苷(峰19)、女贞苷G13(峰24)、Oleonuezhenide(峰25),含量变化明显。方法学考察结果显示,各成分的线性关系良好(r≥0.990),平均回收率为99.90%~103.19%。27批样品的指纹图谱与对照指纹图谱相似度均>0.953。PCA结果提取了4个主成分,PLS-DA能将3批不同批次九制女贞子明显区分,并根据变量重要性投影值(VIP)>1的原则筛选出了7个主要差异成分,并指认了Oleonuezhenide、女贞苷G13、特女贞苷这3个是与九制女贞子相关性较强的化学成分。不同批次之间九制女贞子质量差异较大。结论建立的九制女贞子HPLC指纹图谱方法简便,与模式识别方法相结合可为九制女贞子药材质量评价提供参考,炮制过程中含量呈现动态变化,羟基酪醇整体呈现不变趋势,红景天苷整体呈现增加趋势、特女贞苷、女贞苷G13、Oleonuezhenide整体呈现减少趋势,在炮制过程中,特女贞苷、女贞苷G13、Oleonuezhenide发生了转化,但具体转化机制有待后续研究发现,九制女贞子的指纹图谱结合化学模式识别方法,不仅为九制女贞子质量提供参考也可继续深入探讨九制女贞子潜在的质量标志物。

气相色谱-质谱技术结合化学计量学对6种植物油进行判别分析

测定了6种不同种类植物油(茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油)的脂肪酸组成及含量,旨在探讨利用植物油脂肪酸的指标对不同种类的植物油进行分类和判别的可能性。采用气相色谱-质谱联用技术,对6种不同植物油中脂肪酸的组成和含量进行测定,用SPSS.19.0统计软件进行主成分分析、聚类分析和判别分析。对6种不同植物油脂肪酸进行分析、对比,得出植物油脂的主要成分为C16∶0,C18∶0,C18∶1 cis-9,C18∶2 cis-9,12和C18∶3 cis-9,12,15。这5种主要脂肪酸的总含量在茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油中分别为98.455%,97.586%,89.019%,97.378%,98.294%和98.021%。6种植物油的不饱和度(U/S)均大于2.000,其中最小为花生油2.055,最大为茶籽油3.976。进行主成分分析降维得到前3个主成分,因为前3个主成分的特征//值均大于1且累计贡献率达到80.060%,第1主成分的贡献率为35.853%,第2主成分的贡献率为23.847%,第3主成分的贡献率为20.360%。建立了3个典则判别函数,典则判别函数的相关系数均大于0.990,且对于茶籽油、大豆油、花生油、葵花籽油、玉米油和芝麻油的初始分类正确率为100.0%,交叉验证正确率为100.0%。

基于UPLC-Q-TOF-MS法分析麸炒白术炮制前后差异性化学成分

目的基于UPLC-Q-TOF-MS法结合多元统计分析技术考察麸炒白术炮制前后差异性化学成分。方法该药物的分析采用ZORBAX-Eclipse XDB-C_(18)色谱柱(4.6 mm×250 mm,5.0μm);流动相水-乙腈,梯度洗脱;体积流量1.0 mL/min;柱温25℃;电喷雾离子源;正、负离子扫描。根据一级质谱精确的质荷比与二级质谱碎片离子特征,结合Scifinder和Reaxys数据库搜索及相关文献进行炮制前后成分鉴定;通过主成分分析(PCA)与正交偏最小二乘法-判别分析(OPLS-DA)等多元统计技术对化学成分差异性聚类,并筛选出麸炒白术的差异性成分。结果共鉴定得到37种共有化学成分,初步确认11种潜在差异性化学成分,分别为茉莉酸、4(R),15-环氧-8b-羟基白术内酯Ⅱ、亚甲基八氢萘-2-亚基-丙酸、4,6-二甲基二苯并呋喃、6-羟基白术内酯Ⅰ、异苍术内酯A、白术内酯Ⅱ、白术内酯Ⅲ、芫荽酸、白术内酯Ⅰ、苍术酮。结论该方法快速准确,可用于测定白术炮制前后的化学成分差异,通过比较化学成分差异可为临床疗效研究提供重要参考。

近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用

采用近红外光谱技术结合化学计量学手段,建立不同品牌食醋的快速鉴别方法。用近红外光谱仪对103组食醋样品进行扫描,采用二阶导数对图谱进行预处理、标准化处理、T检验和主成分分析(principal component analysis,PCA),运用留一法构建线性判别分析(linear discriminant analysis,LDA)模型。结果表明,原始近红外谱图经过处理后,显示出同种品牌食醋主成分的聚类趋势;交叉验证结果表明,PCA-LDA模型预测不同品牌食醋的正确率高达85.57%,该模型具有较好的预测效果。该研究结合近红外光谱与PCA-LDA模型,为不同品牌食醋提供一种快速鉴别方法,具有处理近红外光谱数据,研究物质主成分的应用潜力。