matlab_正交信号校正，用于处理红外及近红外光谱数据，以改进定量校正模型精度 Orthogonal signal correction is used to process infrared and near infrared spectral data to improve the accuracy of quantitative correction model

近年来基于铁矿近红外光谱数据建模的方法已成为铁矿成分分析的主要方法之一,由于各种因素的影响,数据中存在大量噪声,这对铁矿建模精度影响较大。文中采用平滑算法和傅里叶变换对磁、赤铁矿样本进行去噪处理,研究结果表明:傅里叶变换的去噪效果是两种方法中最好的;平滑算法中磁、赤铁矿分别采用9点线性加权、9点二次加权平滑方法的去噪效果最好。上述结果对磁、赤铁矿近红外光谱数据去噪方法的选择及后续研究具有指导意义。

基于android系统的脐橙品质近红外光谱无损检测技术.pdf

Android系统的微型近红外光谱仪开发及在食品质量检测中的应用.pdf

综述了不同分光类型的便携式近红外仪器的原理及其优缺点，以及近红外光谱分析方法，列举了国内外部 分便携式近红外仪器在农业工程方面的应用现状。在“互联网 + ”的大趋势下，结合中国现阶段的发展状况及 实际生产生活的需要，预测了便携式红外光谱仪的未来发展方向。

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

Pinu物种的近红外光谱（NIRS）数据。 感谢潘Xi在中国林业科学研究院获得了NIRS的数据。 感谢西南林业大学的Xian Wang确定了木材样品的种类。

近红外光谱分析和人工神经网络技术在茶叶感官品质评定中的应用.doc

提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器, 用识别率作为SA的目标函数, 提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM, 主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理, 提取特征波长或主成分, 然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现, SA-LS-SVM只需从751个数据光谱中提取4个特征波长, 就可以使三种品牌润滑油的识别率达到了100%, 而其他所有的方法发现预测率都达不到100%, 由此验证了SA-LS-SVM的优越性。实验结果表明, SA-LS-SVM不仅能有效地减少建模的变量数, 而且可以提高预测精度。

大数据-算法-高速高精度近红外光谱数据采集系统的研制.pdf