检索结果-内蒙古大学图书馆

光谱学与光谱分析 2023年第8期43卷 2488-2493页

作者：蒋大鹏高礼彬陈金浩张怡卓常州大学计算机与人工智能学院江苏常州213164 东北林业大学机电工程学院黑龙江哈尔滨150040

木材抗拉强度是评价木材力学性质的重要指标。针对近红外光谱建模中样本数据量小、波长信息冗余所导致预测模型精度低的问题,提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。以桦木为例,选取150个桦木样本作为实... 详细信息

木材抗拉强度是评价木材力学性质的重要指标。针对近红外光谱建模中样本数据量小、波长信息冗余所导致预测模型精度低的问题,提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。以桦木为例,选取150个桦木样本作为实验对象,首先使用900~1700 nm波段的近红外光谱仪采集试件光谱数据,并采用力学试验机获得相应的抗拉强度真值;然后对采集的光谱数据运用多元散射校正(MSC)、一阶求导和卷积平滑(SG)相结合的方法进行预处理,完成光谱平滑滤波;分别采用变量组合集群分析算法(VCPA)、蒙特卡罗无信息变量消除法(MC-UVE)、迭代变量子集优化算法(IVSO)及MC-UVE-IVSO组合优化算法进行波长筛选,并对比优选波长结果;最后在优选近红外波长基础上,建立桦木抗拉强度的偏最小二乘预测模型(PLS)。实验结果表明:基于MC-UVE-IVSO算法优选波长的PLS模型,光谱变量数由512减小到98,优选波长占总波长的19%,其预测决定系数R^(2)为0.94,预测均方根误差RMSEP为7.50,性能偏差比RPD为3.16,相比于全波段、MC-UVE、VCPA、MC-UVE-VCPA与IVSO相应的R^(2)(0.92、0.93、0.82、0.87、0.93)、RMSEP(17.91、11.7、14.91、12.12、8.47)和RPD(2.81、2.91、2.25、2.28、2.78)均有不同程度提升;通过统计特征波长所建立的预测模型箱形图,进一步证明了MC-UVE-IVSO算法在处理多变量波长的稳定性。实验结果表明,MC-UVE方法可以消除与建模不相关的多数变量,而IVSO算法能有效搜索出最优变量子集,基于MC-UVE-IVSO的光谱优选算法提升了木材抗拉强度预测模型的准确性和稳定性,为木材近红外光谱的无损、快速与精准检测提供了一定的理论基础。

关键词：木材抗拉强度近红外光谱集群分析蒙特卡罗无信息变量消除迭代变量子集优化

来源：评论

学校读者我要写书评

暂无评论

维C银翘片包衣过程近红外光谱实时检测研究

引用

中草药 2023年第19期54卷 6276-6285页

作者：陶青姜丽钟友兵刘微金正吉詹国平王峰何雁罗晓健江西中医药大学江西南昌330004 中药固体制剂制造技术国家工程研究中心江西南昌330006 中国兵器工业计算机应用技术研究所北京100089 深圳市南山区蛇口人民医院广东深圳518067 石药集团江西金芙蓉药业股份有限公司江西彭泽332700

目的建立一种基于近红外光谱(near infrared spectroscopy,NIRS)快速检测维C银翘片(Vitamin C Yinqiao Tablets,VCYT)引湿率与包衣增重的方法,用于包衣过程的实时检测。方法参考《中国药典》2020年版测量引湿率,将其作为包衣防潮效果的... 详细信息

目的建立一种基于近红外光谱(near infrared spectroscopy,NIRS)快速检测维C银翘片(Vitamin C Yinqiao Tablets,VCYT)引湿率与包衣增重的方法,用于包衣过程的实时检测。方法参考《中国药典》2020年版测量引湿率,将其作为包衣防潮效果的指标。通过在线NIRS技术实时采集包衣过程中的片剂光谱,比较了区间偏最小二乘法(interval partial least squares,iPLS)、随机蛙跳(rand frog,RF)、蒙特卡罗-无信息变量消除(Monte Carlo-uninformative variable elimination,MCUVE)、竞争自适应重采样法(competitive adaptive reweighted sampling,CARS)4种波长选择算法对偏最小二乘回归(partial least squares regression,PLSR)的影响。结果所得定量模型可准确、稳定地预测引湿率与包衣增重,其决定系数(Rp 2)分别为0.8918和0.9396,预测均方根误差(root mean square error of prediction,RMSEP)分别为0.1754和0.2742,相对分析误差(relative prediction errors,RPD)分别为3.1219和4.1484。另外,在1批包衣过程实时检测的结果显示,预测模型对引湿率的预测效果良好(RPD=4.1991),但对包衣增重的预测效果较差(RPD=1.8152)。结论NIRS对维C银翘片包衣过程的实时检测是可行的。

关键词：近红外光谱维C银翘片包衣过程实时检测引湿率包衣增重区间偏最小二乘法随机蛙跳蒙特卡罗无信息变量消除竞争自适应重采样法偏最小二乘回归决定系数预测均方根误差相对分析误差

来源：评论

学校读者我要写书评

暂无评论

不同颜色冬枣可溶性固形物可见-近红外光谱分析模型构建

引用

光谱学与光谱分析 2021年第11期41卷 3385-3391页

作者：郝勇杜娇君张书敏王起明华东交通大学机电与车辆工程学院江西南昌330013 南昌海关技术中心江西南昌330013

冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物(SSC)检测模型的分析精度。采用可见-近红外(Vis-NIR)光谱结合Norris-Williams平滑(NWS)、连续小波导数(CWD)、多元散... 详细信息

冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物(SSC)检测模型的分析精度。采用可见-近红外(Vis-NIR)光谱结合Norris-Williams平滑(NWS)、连续小波导数(CWD)、多元散射校正(MSC)、标准正态变量变换(SNV)和NWS-MSC五种光谱预处理方法构建不同颜色(红绿相间MJ,绿色GJ和红色RJ)冬枣SSC的偏最小二乘(PLS)定量分析模型,分别采用MJ, GJ, RJ, MJ-GJ和MJ-GJ-RJ五个样品集合建立冬枣SSC的定量分析模型,并采用由MJ-GJ-RJ三种颜色冬枣样品组成的测试集进行模型的评价;以不同建模样品集(校正集)的校正相关系数(Rc)和交互验证均方根误差(RMSECV)作为构建最优模型的评价指标;测试集的预测相关系数(Rp)和预测均方根误差(RMSEP)用于模型预测精度的评价。研究结果表明:分别采用MJ, GJ和RJ的独立样品集进行建模时,模型仅对具有相同颜色的冬枣样品的SSC实现了较好的预测;分别在MJ样品中加入GJ和GJ-RJ样品进行MJ-GJ和MJ-GJ-RJ两个混合样品集的定量模型的构建时,MJ-GJ模型对MJ和GJ样品的SSC具有较好的预测效果,其RMSECV,Rc, RMSEP,Rp分别为1.108, 0.698, 0.980, 0.724和1.108, 0.698, 0.983, 0.822,而对RJ样品的预测误差较大,模型的RMSECV,Rc, RMSEP,Rp为1.108, 0.698, 1.928, 0.597;而MJ-GJ-RJ模型对三种颜色的冬枣SSC均有较好的预测结果:MJ-GJ-RJ模型对MJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 1.077, 0.668;对GJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 0.881, 0.861;对RJ样品的SSC模型的RMSECV,Rc, RMSEP,Rp为1.158, 0.796, 1.140, 0.841;采用蒙特卡罗无信息变量消除(MCUVE)方法进一步对MJ-GJ-RJ样品集光谱的特征变量进行优选后,模型的Rc和Rp分别由原来的0.796和0.864提高到0.884和0.922,模型的RMSECV和RMSEP分别由1.158和0.946减小到0.886和0.721,模型具有较好的分析精度。采用可见-近红外光谱对不同颜色冬枣的SSC进行分析时,当建模集样品与测试集样品颜色属性相似或选择性质相似的建模变量进行模型构建时,模型具有更好的通用性。

关键词：可见-近红外光谱偏最小二乘冬枣可溶性固形物蒙特卡罗无信息变量消除

来源：评论

学校读者我要写书评

暂无评论

基于蒙特卡罗无信息变量消除的烟气指标预测

引用

现代电子技术 2012年第24期35卷 82-84页

作者：门月丁香乾刘孝良中国海洋大学信息科学与工程学院山东青岛266071 中国海洋大学信息工程中心山东青岛266071

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光... 详细信息

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光谱进行了波段点的筛选,并利用筛选出的波段建立PLS校正模型。结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度。

关键词：近红外光谱蒙特卡罗无信息变量消除变量筛选偏最小二乘法

来源：评论

学校读者我要写书评

暂无评论

山茶油中油酸和亚油酸近红外光谱分析模型

引用

光学学报 2019年第9期39卷 381-386页

作者：郝勇吴文辉商庆园耿佩华东交通大学机电与车辆工程学院

将近红外光谱分析技术结合化学计量学方法用于山茶油混合油品中油酸和亚油酸含量的快速检测。配制了76种山茶油混合油样本用于近红外光谱的采集,将不同的光谱预处理方法用于光谱有效信息的提取;将蒙特卡罗无信息变量消除(MCUVE)和变量... 详细信息

将近红外光谱分析技术结合化学计量学方法用于山茶油混合油品中油酸和亚油酸含量的快速检测。配制了76种山茶油混合油样本用于近红外光谱的采集,将不同的光谱预处理方法用于光谱有效信息的提取;将蒙特卡罗无信息变量消除(MCUVE)和变量组合集群分析(VCPA)方法用于建模变量的选择;将偏最小二乘回归(PLSR)用于脂肪酸含量定量分析模型的构建。结果表明:经NWD1st-MSC预处理后,两种脂肪酸的近红外光谱的较正均得到最好的结果;采用基于VCPA的变量优选方法极大地改善了模型精度,实现了建模变量数量的有效压缩。对于油酸模型,建模变量数量由1501减少为7,交叉验证均方根误差和校正相关系数分别为1.107和0.984,预测均方根误差和测试集的预测相关系数分别为1.178和0.981;对于亚油酸模型,建模变量数量由1501减少为8,交叉验证均方根误差和校正相关系数分别为0.089和0.987,预测均方根误差和测试集的预测相关系数分别为0.105和0.982。近红外光谱分析技术结合NWD1st-MSC-VCPA-PLSR的方法为山茶油混合油品中脂肪酸含量的测定提供了一种快速简单的分析方法。

关键词：光谱学近红外光谱脂肪酸变量筛选蒙特卡罗无信息变量消除变量组合集群分析

来源：评论

学校读者我要写书评

暂无评论

基于MC-UVE、GA算法及因子分析对葡萄酒酒精度近红外定量模型的优化研究

引用

发光学报 2018年第9期39卷 1310-1316页

作者：王怡淼朱金林张慧赵建新顾小红朱华新江南大学食品科学与技术国家重点实验室江苏无锡214122 江南大学食品学院江苏无锡214122 浙江大学控制科学与工程学院浙江杭州310027 张家港出入境检验检疫局江苏张家港215600 食品安全国际合作联合实验室江苏无锡214122 江南大学理学院江苏无锡214122

对葡萄酒酒精度偏最小二乘(Partial least squares,PLS)回归模型进行优化研究。使用近红外光谱仪采集葡萄酒样本的光谱数据,用于建立酒精度定量模型,实现在线快速检测。通过蒙特卡罗无信息变量消除(Monte Carlo uninformative variable ... 详细信息

对葡萄酒酒精度偏最小二乘(Partial least squares,PLS)回归模型进行优化研究。使用近红外光谱仪采集葡萄酒样本的光谱数据,用于建立酒精度定量模型,实现在线快速检测。通过蒙特卡罗无信息变量消除(Monte Carlo uninformative variable elimination,MC-UVE)和遗传算法(Genetic algorithm,GA)进行变量选择,基于被选择的变量分别进行PLS和因子分析(Factor analysis,FA),建立回归模型。结果表明,MC-UVE-GA-FAR模型预测集相关系数(R2)为0.946,预测均方根误差(Root mean square error of prediction,RMSEP)为0.215,效果优于MC-UVE-GA-PLS模型。与基于全范围光谱所建PLS回归模型相比,模型效果有所提升,而且模型所选变量个数仅为6,极大地简化了模型。MC-UVE和GA算法与FA分析结合可以实现模型的优化。

关键词：近红外光谱葡萄酒遗传算法蒙特卡罗无信息变量消除因子分析

来源：评论

学校读者我要写书评

暂无评论

基于LS-SVM高光谱成像鱼新鲜度鉴别

引用

华东交通大学学报 2017年第2期34卷 105-111页

作者：章海亮叶青罗微刘雪梅华东交通大学电气与自动化工程学院江西南昌330013

基于高光谱成像光谱信息的鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。首先,提取鱼样本感兴趣区域(region of interest,ROI)光谱,分别采用蒙特卡罗无信息变量消除(Monte Carlo free information variable elimination,MCVE),连续投影算... 详细信息

基于高光谱成像光谱信息的鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。首先,提取鱼样本感兴趣区域(region of interest,ROI)光谱,分别采用蒙特卡罗无信息变量消除(Monte Carlo free information variable elimination,MCVE),连续投影算法(successive projections algorithm,SPA)和随机青蛙算法(random frog,RF)提取特征波长,三种算法分别得到90,31和49个特征变量,采用最小二乘支持向量机作为分类模型,将90,31和49个特征变量作为LS-SVM模型的输入变量建立分类模型,基于SPA-LS-SVM和MCVE-LS-SVM模型预测集识别率都达到了98%,而采用RF-LS-SVM建立的模型取得了较差的预测结果 ,模型预测集识别率都只是达到了88%。结果表明,SPA-LS-SVM作为分类模型优于其他模型,SPA选择的特征波长,不但可以简化模型,还可以提高模型的预测精度,基于高光谱成像技术可以用于鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。

关键词：蒙特卡罗无信息变量消除连续投影随机青蛙 LS-SVM

来源：评论

学校读者我要写书评

暂无评论

变量筛选方法结合局部线性嵌入理论用于近红外光谱定量模型优化

引用

光谱学与光谱分析 2012年第12期32卷 3208-3212页

作者：郝勇孙旭东杨强华东交通大学机电工程学院江西南昌330013 日照职业技术学院机电工程学院山东日照276826

变量筛选策略结合局部线性嵌入(local linear embedding,LLE)理论用于近红外光谱(near infrared spectroscopy,NIRS)定量模型优化。蒙特卡罗无信息变量消除方法(monte carlo uninformation variable elimination,MCUVE)和连续投影算法(successive projections algorithm,SPA)以及两者结合的变量筛选策略用于NIRS冗余变量的剔除;偏最小二乘回归(partial least squares regression,PLSR)和LLE-PLSR用于复杂样品光谱定量模型的构建。结果表明:MCUVE方法既能有效的提取信息变量,同时可以提高模型的预测精度;LLE-PLSR可以得到比PLSR方法更加准确的定量分析模型;MCUVE结合LLE-PLSR是一种有效的光谱定量分析方法。

关键词：近红外光谱蒙特卡罗无信息变量消除连续投影算法局部线性嵌入

来源：评论

学校读者我要写书评

暂无评论

肾结石中钙离子含量红外光谱快速分析

引用

激光与红外 2012年第12期42卷 1337-1340页

作者：王静郝勇华东交通大学现代教育技术中心江西南昌330013 华东交通大学机电工程学院江西南昌330013

含钙性肾结石是泌尿结石的主要成分,因此对钙离子含量的快速定量分析具有重要意义。采用衰减全反射傅里叶变换红外光谱法(attenuated total reflection-fourier transform infrared spectroscopy,ATR-FTIR)对由35份肾结石和46份配制结... 详细信息

含钙性肾结石是泌尿结石的主要成分,因此对钙离子含量的快速定量分析具有重要意义。采用衰减全反射傅里叶变换红外光谱法(attenuated total reflection-fourier transform infrared spectroscopy,ATR-FTIR)对由35份肾结石和46份配制结石组成的混合样品集的钙离子进行定量分析,不同的预处理方法和蒙特卡罗变量筛选方法(Monte Carlo uninformation variable elimination,MCUVE)用于模型的优化。光谱经多元散射校正(multiplicative scatter correction,MSC)和MCUVE处理后,模型的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都得到了降低,分别由2.62和3.04减小为2.06和1.88,预测相关系数为0.966。MSC结合MCUVE方法可以提高中红外光谱定量分析钙离子含量的分析精度,为肾结石的成因分析和分类提供一种快速的辅助分析方法。

关键词：红外光谱肾结石钙离子小波导数蒙特卡罗无信息变量消除

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：