高维红外光谱数据预处理在中药材产地鉴别中的应用

为提高利用红外光谱数据鉴别中药材产地的预测模型效果,应该选用合适的数据预处理方法和合适的算法。针对具有3448个特征(波长551~3998 nm)的658条红外光谱中药材数据,借助于支持向量机(SVM)算法,研究了10种基于样本预处理方法(不做预处理、最大最小归一化、标准化、中心化、移动平均平滑、SG平滑滤波、多元散射校正、正则化、一阶导数和二阶导数法)与5种基于特征波长预处理方法(不做预处理、中心化、最大最小归一化、标准化和正则化)的组合(共50种)对产地模型预测精度和稳定性的影响。结果表明:合适的数据预处理对提高模型精度是必要的;标准化和最大最小正则化方法光谱的预处理建模效果较好,其预测系数值约85%;基于特征的预处理对模型预测效果改进小。只做光谱预处理或基于特征预处理的预测稳定性值近似相等(两类方式的决定系数平均值都近64%);基于样本+特征的组合预处理方法中,二阶导数+标准化处理和二阶导数+正则化组合处理方法的模型预测效果好,其决定系数R 2达到近94%;而中心化+正则化组合处理达不到直接采用原始数据(不做数据预处理)的建模效果,该方法预测效果最差。该研究的方法和结论为具有高维光谱特征的药材产地鉴别和选取有效的预处理方法提供了参考,对进一步分析药材药效和化学成份有重要的意义,也可供其他光谱数据分析借鉴。也为高维小样本数据建模的前期数据处理提供了思路。

多层次降维的头颈癌图像特征选择方法

针对原始病理图像经软件提取形态学特征后存在高维度,以及医学领域上样本的少量性问题,提出ReliefF-HEPSO头颈癌病理图像特征选择算法。该算法构建了多层次降维框架,首先根据特征和类别的相关性,利用ReliefF算法确定不同的特征权重,实现初步降维。其次利用进化神经策略(ENS)丰富二进制粒子群算法(BPSO)的种群的多样性,提出混合二进制进化粒子群算法(HEPSO)对候选特征子集完成最佳特征子集的自动寻找。与7种特征选择算法的实验对比结果证明,该算法能更有效筛选出高相关性的病理图像形态学特征,实现快速降维,以较少特征获得较高分类性能。

面向城市固废焚烧过程的二噁英排放浓度检测方法综述

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度难以在线实时检测的工业现状已成为制约MSWI过程运行优化与城市环境污染控制的瓶颈.首先,结合典型MSWI过程分析DXN的生成特性与排放控制策略;接着,将DXN排放浓度检测方法从测量原理、复杂度和时间尺度等视角分为离线直接检测法、指示物/关联物在线间接检测法和软测量法并进行综述;然后,对不同方法的发展阶段和关联性进行分析,指出各自的优劣性和相互间的互补性,结合MSWI过程特点归纳基于过程数据进行DXN排放浓度软测量的难点,并将其提炼为一类面向小样本高维稀疏标记数据的智能建模问题;最后,指出进行DXN排放浓度智能软测量的未来研究方向和发展前景.