浙江省科技计划项目(2008C23085)
- 作品数：3 被引量：29H指数：3
- 相关作者：方利民林敏冯爱明更多>>
- 相关机构：中国计量学院更多>>
- 发文基金：国家自然科学基金浙江省科技计划项目更多>>
- 相关领域：理学更多>>
- 小波聚类方法和近红外光谱技术用于药片种类判别被引量：7
- 2010年
- 对310个药片样品的近红外光谱数据进行了聚类分析。首先使用小波变换对光谱数据矩阵进行多尺度分解,在进行有效压缩之后,采用经典分类方法对合适选取的小波系数组合进行聚类分析,提出了小波聚类方法。该方法分别用于实验室药片、中试药片和规模生产药片样品的分析,按药片样品的组成得到4个类别。结果表明,对实验室药片和中试药片样品分类的精确度均达到100%;对于规模生产药片的分类,共120个样品中只有1个样品被错误划分,精确度也高达99.2%。近红外光谱技术结合小波聚类方法的聚类性能是令人满意的,相比经典聚类分析,更加快速、易于使用,对制药行业药片质量以及成本控制均有积极作用。
- 方利民林敏
- 关键词：近红外光谱小波分析聚类药片
- 近红外光谱分析中的高斯过程回归方法被引量：4
- 2011年
- 将高斯过程算法引入化学计量学领域,用于挖掘近红外光谱与被测物组分之间的复杂关系。为增加模型的稳健性,首先采用了蒙特卡罗交叉验证方法以去除异常样本,而后多元散射校正、平滑、导数等方法被用于模型的预处理。近红外光谱在经过无信息变量去除算法处理后,在保留有用信息的基础上大大缩减了波长点数,以这些特征波长点作为输入建立的分析模型更具有解释能力和稳健性。为验证算法的有效性,使用了一组公开的数据集,它包含了80个玉米样品的近红外光谱以及油、淀粉、蛋白质的含量值。GP回归算法被用于分析这三种组分的含量,所得模型的评价指标分别采用校正、校正集交叉验证均方根误差、预测均方根误差以及各自的相关系数。结果显示,模型的校正相关系数r达到0.99以上,预测时的相关系数r也在0.96以上,验证了该算法的有效性。
- 冯爱明方利民林敏
- 关键词：高斯过程近红外光谱
- 可见/近红外光谱快速测定土壤中的有机碳含量和阳离子交换量被引量：18
- 2010年
- 为实现土壤中有机碳(TOC)含量和阳离子交换量(CEC)的快速检测,对300个土壤样品的可见/近红外光谱数据进行了分析。使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation,BP)构造三层神经网络结构。为了克服传统BP神经网络结构难以确定和易于陷入局部极小点的缺点,采用遗传算法优化BP神经网络结构和初始权值,得到ICA-GA-BP模型。利用此模型对土壤中TOC含量和CEC进行预测,根据预测相关系数(R2)和预测标准偏差(RMSEP)来评价预测模型的性能,表明该模型对TOC含量和CEC测定的相关系数R2均达到0.98以上。说明文章提出的ICA-GA-BP建模方法具有很好的预测效果,为土壤品质的鉴别提供了一种新方法。
- 方利民冯爱明林敏
- 关键词：独立分量分析BP神经网络遗传算法土壤
