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
共找到10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：
无信息变量消除法在糙米直链淀粉波长选择中的应用 被引量：7
1
作者 张巧杰 熊鸣 祁鲲 《农机化研究》 北大核心 2010年第11期202-205,共4页
为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用无信息变量消除法对糙米直链淀粉的近红外光谱进行分析。无信息变量消除法是基于PLS回归系数b建立起来的一种光谱区间选择方法,考虑了噪声... 为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用无信息变量消除法对糙米直链淀粉的近红外光谱进行分析。无信息变量消除法是基于PLS回归系数b建立起来的一种光谱区间选择方法,考虑了噪声和浓度矩阵的影响。结果表明:进行波长选择后,波长点数由1102减小到726,交叉验证预测值与标准值的相关系数R由0.9212提高到0.9654,交叉验证标准差SECV由2.4142减小到1.3725,预测标准差SEP由2.4572减小到2.2001,预测能力得到明显提高。 展开更多
关键词 直链淀粉 近红外光谱 无信息变量消除法 波长选择
在线阅读 下载PDF
基于近红外高光谱图像的花生内部霉变快速判别方法研究 被引量：1
2
作者 朱昊宇 王俊杰 +1 位作者 杨一 朱新峰 《食品安全质量检测学报》 CAS 2024年第1期85-91,共7页
目的针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理... 目的针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理方法与支持向量机(support vector machine,SVM)组合建立花生内部霉变判别模型,并采用蒙特卡洛-无信息变量消除法(Monte Carlo-uninformative variable elimination,MC-UVE)找出霉变判别中有效的光谱特征波长。结果将Savitzky-Golay卷积平滑方法和二阶求导光谱预处理方法与SVM组合,对内部霉变严重样本判别的总体识别准确率可达95%,对不同程度内部霉变样本的平均识别准确率为88%;基于MC-UVE筛选得到10、5、3个特征波长构建的模型总体识别准确率为90%、85%和82%。结论实验结果表明高光谱技术结合机器学习可为花生内部霉变的快速、无损判别提供可行的解决方案,同时特征波长筛选为基于光电原理的霉变花生色选机系统开发提供了参考。 展开更多
关键词 内部霉变花生 近红外高光谱 支持向量机 蒙特卡洛-无信息变量消除法
在线阅读 下载PDF
基于高光谱技术的五味清浊制剂快速无损检测方法研究 被引量：1
3
作者 戴胜云 吴东雪 +5 位作者 黄瑞 刘杰 乔菲 魏锋 连超杰 郑健 《中国现代中药》 CAS 2024年第10期1790-1798,共9页
目的:采用高光谱技术结合化学计量学方法对蒙古族药五味清浊制剂中胡椒碱、桂皮醛和羟基红花黄色素A进行含量测定,实现快速、无损、全面的五味清浊制剂质量评估。方法:选取2023年度国家药品抽检计划抽检的五味清浊制剂样品33批次(五味... 目的:采用高光谱技术结合化学计量学方法对蒙古族药五味清浊制剂中胡椒碱、桂皮醛和羟基红花黄色素A进行含量测定,实现快速、无损、全面的五味清浊制剂质量评估。方法:选取2023年度国家药品抽检计划抽检的五味清浊制剂样品33批次(五味清浊散11批次、五味清浊丸22批次),采集其高光谱数据;对比多元散射校正、基线校正、标准正态变换、光谱转化、矢量归一化、光谱降噪、卷积平滑(9)结合一阶导数、卷积平滑(11)结合一阶导数、卷积平滑(9)结合二阶导数和卷积平滑(11)结合二阶导数10种光谱预处理方法,蒙特卡罗无信息变量消除法、竞争性自适应重加权采样法(CARS)2种变量筛选方法,偏最小二乘法、最小二乘法-支持向量机(LS-SVM)2种建模方法用于胡椒碱、桂皮醛和羟基红花黄色素A含量与高光谱数据定量校正模型时的性能。结果:采用CARS建立的胡椒碱和桂皮醛的LS-SVM模型预测能力全局最优,模型的相对预测偏差(RPD)分别为9.2、6.0,验证集相关系数(rpre)分别为0.9935、0.9852,说明模型验证集与测定值具有良好的非线性关系,模型预测效果良好。采用羟基红花黄色素A原始光谱建立的LS-SVM模型性能全局最优,RPD和rpre分别为3.7、0.9762。结论:采用高光谱技术结合化学计量学方法可以快速测定五味清浊制剂中胡椒碱、桂皮醛和羟基红花黄色素A含量,方法操作简便,可为五味清浊制剂的质量控制提供参考。 展开更多
关键词 蒙古族药 五味清浊制剂 高光谱 变量筛选 蒙特卡罗无信息变量消除法 竞争性自适应重加权采样法 偏最小二乘法 最小二乘法-支持向量机
在线阅读 下载PDF
提取近红外光谱有效变量快速检测猪肉挥发性盐基氮 被引量：6
4
作者 刘飞 邹昊 +4 位作者 田寒友 汤介兰 刘文营 李家鹏 乔晓玲 《肉类研究》 北大核心 2015年第9期25-29,共5页
以市售新鲜冷藏(4℃)猪肉为研究对象,采用蒙特卡洛-无信息变量消除算法和连续投影算法对原始近红外光谱的800个波长变量进行提取,共筛选出与挥发性盐基氮含量直接和间接相关的有效波长变量36个,并采用偏最小二乘法构建预测模型,验证集... 以市售新鲜冷藏(4℃)猪肉为研究对象,采用蒙特卡洛-无信息变量消除算法和连续投影算法对原始近红外光谱的800个波长变量进行提取,共筛选出与挥发性盐基氮含量直接和间接相关的有效波长变量36个,并采用偏最小二乘法构建预测模型,验证集的相关系数和标准偏差分别为0.876 4和1.205 7 mg/100 g。 展开更多
关键词 猪肉 蒙特卡洛-无信息变量消除算法 连续投影算法 挥发性盐基氮
在线阅读 下载PDF
优化基于近红外光谱的联合间隔偏最小二乘法建模检测芝麻油掺伪含量 被引量：7
5
作者 陈洪亮 曾山 王斌 《中国油脂》 CAS CSCD 北大核心 2020年第2期86-90,共5页
应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结... 应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结合联合间隔偏最小二乘法(SiPLS)和带极值扰动的简化粒子群优化算法(tsPSO)建立芝麻油中大豆油掺伪含量预测模型,经特征波段选取后建立的模型变量减少,波长变量由451个减少到219个,训练集和测试集相关系数分别为0.9998和0.9919,均方根误差分别为4.39E-2和3.99E-2。结果表明,该方法能够作为芝麻油中大豆油掺伪含量的快速检测方法。此外,该方法也可应用到芝麻油中掺入其他低价值油的掺伪含量检测中。 展开更多
关键词 近红外光谱 无信息变量消除法 联合间隔偏最小二乘法 带极值扰动的简化粒子群优化算法
在线阅读 下载PDF
基于PLS-LDA和拉曼光谱快速定性识别食用植物油 被引量：17
6
作者 吴静珠 石瑞杰 +2 位作者 陈岩 刘翠玲 徐云 《食品工业科技》 CAS CSCD 北大核心 2014年第6期55-58,共4页
以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变... 以6种食用油共计23个样本为分析对象,采用偏最小二乘线性判别分析法(PLS-LDA)和拉曼光谱进行单一种类(橄榄油、花生油和玉米油)食用油快速定性检测,通过自适应迭代惩罚最小二乘法(airPLS)对拉曼信号进行背景扣除,以及蒙特卡洛无信息变量消除法筛选波长变量,不但有效减少了波长点数,降低了建模运算量,而且提高了单一种类食用油的识别率,使得总体识别率均高于90%,并在此基础上进一步提出了采用PLS-LDA进行多种类食用油识别的检测流程。实验结果表明PLS-LDA在食用油定性识别检测中具有较好的应用前景和可行性,该方法也可为定性检测食品及农产品品质提供借鉴。 展开更多
关键词 偏最小二乘线性判别分析法 拉曼光谱 食用植物油 蒙特卡洛无信息变量消除法
在线阅读 下载PDF
基于近红外光谱结合波长优选检测单颗葡萄的SSC含量 被引量：10
7
作者 郭成 马月 +1 位作者 梁梦醒 颜辉 《食品与机械》 CSCD 北大核心 2016年第9期39-43,共5页
采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)... 采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)回归建立葡萄SSC预测模型。为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC含量相关的重要波长变量。结果表明:RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型。RF-PLS模型的校正集、交叉验证及预测集的R2c、R2cv和R^2p分别为0.960 5,0.933 4,0.930 4,校正均方根误差(RMSEC),交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.638 2,0.829 9,0.868 8。表明通过波长优选后的,基于便携式近红外光谱在预测单颗葡萄SSC含量的应用上完全可行,有较高的预测精度。 展开更多
关键词 葡萄 可溶性固形物 近红外光谱 随机蛙算法 无信息变量消除法
在线阅读 下载PDF
基于高光谱图像技术的沙梨无损检测 被引量：4
8
作者 王海建 洪添胜 +3 位作者 代芬 欧阳玉平 罗瑜清 倪慧娜 《广东农业科学》 CAS CSCD 北大核心 2013年第9期185-188,共4页
为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性，采集80个沙梨样本在400～1000nm内的高光谱图像数据及其对应的糖度，采用变量标准化、多元散射校正（MSC）、平滑滤波、基线校正等方法对原始光谱数据进行预处理。发现MSC预处理... 为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性，采集80个沙梨样本在400～1000nm内的高光谱图像数据及其对应的糖度，采用变量标准化、多元散射校正（MSC）、平滑滤波、基线校正等方法对原始光谱数据进行预处理。发现MSC预处理效果最佳，再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩，最后分别建立BP神经网络和PLS沙梨糖度预测模型。结果表明：无信息变量消除法将光谱变量压缩到234个，有效减少了建模的输入变量，建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上，而PLS预测模型的相关系数为O.9508，均方根误差为0.268，优于BP神经网络模型。 展开更多
关键词 高光谱技术 沙梨 多元散射校正 无信息变量消除法 BP神经网络
在线阅读 下载PDF
近红外高光谱成像技术对鸡蛋种类的鉴别 被引量：6
9
作者 崔腾飞 杨晓玉 +3 位作者 丁佳兴 房盟盟 吴龙国 何建国 《食品工业科技》 CAS CSCD 北大核心 2018年第5期13-17,共5页
为探讨近红外高光谱成像技术对鸡蛋种类判别的可行性,采用近红外高光谱(900~1700 nm)成像技术,以223个鸡蛋样本为研究对象,其中富硒鸡蛋74枚、无公害鸡蛋72枚、普通鸡蛋77枚,富硒鸡蛋和无公害鸡蛋为海兰褐鸡蛋,普通鸡蛋为洋鸡蛋。对比S-... 为探讨近红外高光谱成像技术对鸡蛋种类判别的可行性,采用近红外高光谱(900~1700 nm)成像技术,以223个鸡蛋样本为研究对象,其中富硒鸡蛋74枚、无公害鸡蛋72枚、普通鸡蛋77枚,富硒鸡蛋和无公害鸡蛋为海兰褐鸡蛋,普通鸡蛋为洋鸡蛋。对比S-G卷积平滑、基线校准(Baseline)、标准正态变量变换(SNV)、标准化(Normalize),优选出S-G卷积平滑光谱预处理方法;连续投影算法(SPA)、无信息变量消除法(UVE)、后向间隔偏最小二乘波段选择法(BiPLS)算法提取的特征波长数分别为8、107和155,分别建立全光谱、SPA、UVE、BiPLS的PLS-DA判别模型,结果显示在4种模型中BiPLS-PLS-DA的识别性能要优于FS-PLS-DA、UVE-PLS-DA和SPA-PLS-DA,其校正集正确识别率为95.24%,预测集识别率为78.18%。近红外高光谱成像技术作为一种快速、高效的种类判别技术对鸡蛋种类的判别具有可行性。 展开更多
关键词 鸡蛋 高光谱 连续投影算法 无信息变量消除法 后向间隔偏最小二乘波段选择法
在线阅读 下载PDF
基于MC-UVE-VIP两步波长筛选实现近红外光谱模型的无标样传递 被引量：1
10
作者 张站鸽 倪力军 +1 位作者 张立国 栾绍嵘 《分析测试学报》 CAS CSCD 北大核心 2023年第2期204-209,共6页
该文将蒙特卡洛-无变量信息消除(MC-UVE)算法和变量重要性投影(VIP)算法结合,挑选出重要、有信息的波长变量,建立了MC-UVE-VIP两步波长筛选方法。该法首先采用MC-UVE筛选出稳定性参数大于某一阈值(Mthreshold)的有信息波长集合U_(UVE),... 该文将蒙特卡洛-无变量信息消除(MC-UVE)算法和变量重要性投影(VIP)算法结合,挑选出重要、有信息的波长变量,建立了MC-UVE-VIP两步波长筛选方法。该法首先采用MC-UVE筛选出稳定性参数大于某一阈值(Mthreshold)的有信息波长集合U_(UVE),然后采用VIP算法从U_(UVE)中筛选出VIP参数大于U_(UVE)中所有波长VIP均值的波长,作为重要、有信息的波长集合U_(UVE)-VIP。基于U_(UVE)-VIP建立玉米中蛋白质含量的偏最小二乘回归(PLSR)近红外光谱预测模型,模型的潜变量个数根据累计贡献率大于99.9%确定。该模型变量少、稳健、可解释性强、运算速度快,其预测两台从机样品蛋白质的平均相对误差(MARE)分别为1.64%与1.88%,均小于MC-UVE模型的从机MARE(5.40%与5.19%)和VIP模型的从机MARE(6.23%与7.16%)。因此,基于MC-UVE-VIP两步波长筛选法所建立的玉米蛋白质含量近红外光谱模型可直接传递到从机,无需进行模型或从机光谱校正。该模型传递性能优于单纯基于MC-UVE或VIP算法筛选波长所建模型及全波长模型。 展开更多
关键词 两步波长筛选 蒙特卡洛-无变量信息消除(MC-UVE) 变量重要性投影(VIP) 无标样模型转移 玉米蛋白质含量预测
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部