期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高光谱技术的细菌生物被膜分类检测
1
作者
牛晓虎
冯耀泽
+4 位作者
鲍雪
崔恒洁
王梦冉
岑晓旭
孙光全
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期241-249,共9页
针对现有生物被膜检测方法耗时、费力、低效的问题,以大肠杆菌、金黄色葡萄球菌、沙门氏菌为例,研究荧光高光谱技术对不同细菌生物被膜进行种类识别和成膜能力评价的可行性。采集细菌生物被膜样本荧光高光谱图像,并基于5种方法预处理后...
针对现有生物被膜检测方法耗时、费力、低效的问题,以大肠杆菌、金黄色葡萄球菌、沙门氏菌为例,研究荧光高光谱技术对不同细菌生物被膜进行种类识别和成膜能力评价的可行性。采集细菌生物被膜样本荧光高光谱图像,并基于5种方法预处理后的光谱数据建立支持向量机分类(support vector classification machine,SVC)和偏最小二乘判别分析(partial least squares discriminant analysis model,PLS-DA)细菌被膜分类检测模型。利用连续投影算法(successive projections algorithm,SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)分别提取特征波长并建立相应简化模型。结果显示:细菌生物被膜种类识别全波长和特征波长模型中SVC性能均优于PLS-DA,最优模型为None-SPA-SVC,校正集和预测集分类准确率均为96.67%。在细菌生物被膜成膜能力的全波长模型分类判别中,SVC算法整体上分类准确率优于PLS-DA;对于简化模型,最优模型为SPA-SVC,校正集和预测集分类准确率分别为100.00%和96.67%。研究结果表明,高光谱技术可以对细菌生物被膜种类及生物被膜的成膜能力进行有效、快速、准确地分类。
展开更多
关键词
高光谱技术
生物被膜
成膜能力
偏最小二乘分类
支持向量机
分类
下载PDF
职称材料
基于DPLS-CSM优化的NIRS杂交水稻种子真伪快速无损鉴定
被引量:
2
2
作者
徐琢频
范爽
+6 位作者
程维民
林晏清
王琦
刘晶
刘斌美
陶亮之
吴跃进
《中国农学通报》
2017年第2期142-149,共8页
近红外光谱分析技术(NIRS)具有快速、无损、低成本、准确、无污染的优点,有望应用于杂交水稻种子真实性的高通量鉴定及筛选。本研究采用近红漫反射光谱结合一种新的化学计量学方法——判别式偏最小二乘分类筛选法(DPLS-CSM),对单粒水稻...
近红外光谱分析技术(NIRS)具有快速、无损、低成本、准确、无污染的优点,有望应用于杂交水稻种子真实性的高通量鉴定及筛选。本研究采用近红漫反射光谱结合一种新的化学计量学方法——判别式偏最小二乘分类筛选法(DPLS-CSM),对单粒水稻种子‘新两优6号’与其父本、母本和其他假种子进行了区分。通过与判别式偏最小二乘(DPLS)法的对比,使用DPLS-CSM建模时的灵敏度Sn、命中率Pr和马修斯相关系数Mcc分别为97.92%、97.58%和95.51%,高于DPLS法建模的92.01%、93.97%和90.68%;在对验证集进行检验时,DPLS-CSM模型的Sn、Pr和Mcc值分别为98.96%、95%和93.83%,高于后者的94.79%、88.35%和88.57%。结果表明,使用DPLS-CSM结合NIRS对‘新两优6号’的真伪鉴定是可行的,该方法为水稻杂交种真伪的快速无损鉴别与筛选提供了新的选择。
展开更多
关键词
水稻种子
真实性
近红外光谱
漫反射
判别式
偏
最小
二乘
判别式
偏最小二乘分类
筛选法
下载PDF
职称材料
题名
基于高光谱技术的细菌生物被膜分类检测
1
作者
牛晓虎
冯耀泽
鲍雪
崔恒洁
王梦冉
岑晓旭
孙光全
机构
华中农业大学工学院
农业农村部水产养殖设施工程重点实验室
农业农村部长江中下游农业装备实验室
中国农业科学院深圳农业基因组研究所
华中农业大学动物科学技术学院、动物医学院
出处
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期241-249,共9页
基金
中央高校基本科研业务费专项(2662020GXPY003)
华中农业大学深圳营养与健康研究院研发项目(SZYJY2021028)。
文摘
针对现有生物被膜检测方法耗时、费力、低效的问题,以大肠杆菌、金黄色葡萄球菌、沙门氏菌为例,研究荧光高光谱技术对不同细菌生物被膜进行种类识别和成膜能力评价的可行性。采集细菌生物被膜样本荧光高光谱图像,并基于5种方法预处理后的光谱数据建立支持向量机分类(support vector classification machine,SVC)和偏最小二乘判别分析(partial least squares discriminant analysis model,PLS-DA)细菌被膜分类检测模型。利用连续投影算法(successive projections algorithm,SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)分别提取特征波长并建立相应简化模型。结果显示:细菌生物被膜种类识别全波长和特征波长模型中SVC性能均优于PLS-DA,最优模型为None-SPA-SVC,校正集和预测集分类准确率均为96.67%。在细菌生物被膜成膜能力的全波长模型分类判别中,SVC算法整体上分类准确率优于PLS-DA;对于简化模型,最优模型为SPA-SVC,校正集和预测集分类准确率分别为100.00%和96.67%。研究结果表明,高光谱技术可以对细菌生物被膜种类及生物被膜的成膜能力进行有效、快速、准确地分类。
关键词
高光谱技术
生物被膜
成膜能力
偏最小二乘分类
支持向量机
分类
Keywords
hyperspectral imaging
biofilm
biofilm-forming ability
partial least squares classification
support vector machine
分类号
Q93-31 [生物学—微生物学]
下载PDF
职称材料
题名
基于DPLS-CSM优化的NIRS杂交水稻种子真伪快速无损鉴定
被引量:
2
2
作者
徐琢频
范爽
程维民
林晏清
王琦
刘晶
刘斌美
陶亮之
吴跃进
机构
中国科学院离子束生物工程学重点实验室
出处
《中国农学通报》
2017年第2期142-149,共8页
基金
中国科学院战略性先导专项A“作物籽粒品质性状与矿物元素、重金属通量化无损检测技术及装置研发”(XDA08040107-2)
国家自然科学基金“水稻重金属的MA-LIBS快速微区扫描痕量检测方法研究”(31500300)
文摘
近红外光谱分析技术(NIRS)具有快速、无损、低成本、准确、无污染的优点,有望应用于杂交水稻种子真实性的高通量鉴定及筛选。本研究采用近红漫反射光谱结合一种新的化学计量学方法——判别式偏最小二乘分类筛选法(DPLS-CSM),对单粒水稻种子‘新两优6号’与其父本、母本和其他假种子进行了区分。通过与判别式偏最小二乘(DPLS)法的对比,使用DPLS-CSM建模时的灵敏度Sn、命中率Pr和马修斯相关系数Mcc分别为97.92%、97.58%和95.51%,高于DPLS法建模的92.01%、93.97%和90.68%;在对验证集进行检验时,DPLS-CSM模型的Sn、Pr和Mcc值分别为98.96%、95%和93.83%,高于后者的94.79%、88.35%和88.57%。结果表明,使用DPLS-CSM结合NIRS对‘新两优6号’的真伪鉴定是可行的,该方法为水稻杂交种真伪的快速无损鉴别与筛选提供了新的选择。
关键词
水稻种子
真实性
近红外光谱
漫反射
判别式
偏
最小
二乘
判别式
偏最小二乘分类
筛选法
Keywords
rice seed
authenticity
near infrared spectroscopy
diffuse reflectance
discriminant partial least squares
discriminant partial least squares classification screening method
分类号
S511 [农业科学—作物学]
S123 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高光谱技术的细菌生物被膜分类检测
牛晓虎
冯耀泽
鲍雪
崔恒洁
王梦冉
岑晓旭
孙光全
《华中农业大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于DPLS-CSM优化的NIRS杂交水稻种子真伪快速无损鉴定
徐琢频
范爽
程维民
林晏清
王琦
刘晶
刘斌美
陶亮之
吴跃进
《中国农学通报》
2017
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部