基于近红外光谱结合机器学习算法检测食用明胶品种溯源的研究.pdf

因近红外光谱具有波长点多、谱带归属困难、光谱重叠严重及光谱分布结构未知等问题，在进行近红外光谱关键特征提取和数据特征空间映射时难以准确获知合适降维方法。为了解决该问题，本文对比分析了典型线性和非线性降维方法，并用烟叶近红外光谱数据从数据降维可视化和分类准确性识别率角度分别进行了实验验证。结果表明，线性降维算法，特别是PCA、LDA算法，比较适合应用于烟叶近红外光谱降维分析中，非线性降维算法因其泛化学习能力与推广能力差以及本征维数估计困难不适合应用于近红外光谱降维分析。

针对建立近红外光谱煤质定量分析模型时训练集中的异常样品严重影响模型预测精度的问题,提出一种二次诊断法剔除异常样品:利用模糊C均值聚类法对样品进行聚类,得到可疑样品;将可疑样品作为验证集,通过PCA-GA-BP模型进行二次诊断,剔除异常样品。实验对比了训练集中异常样品剔除前后,模型对15组待测样品的预测能力,结果表明该方法能够准确剔除异常样品,并有效提高模型的预测精度。

采用近红外光谱技术对山茱萸果肉与果核进行快速鉴别研究．方法：对9批山茱萸果肉与果核样品进行近红外光谱测定，采用矢量归一化法处理数据，以山茱萸果肉样品建立一致性检验模型，设定CI(conformity index)值．结果：经矢量归一化后山茱萸果肉与果核光谱差别明显，以果肉样品建立一致性模型，设定的CI值为3．2．结论：本方法快捷、准确，无需样品前处理，可以作为山茱萸非药用部位的快速检测方法．为全面控制药材质量，建立中药质量控制新方法提供科学依据．

应用近红外光谱结合不同化学计量学方法对同仁乌鸡白凤丸原料、辅料、半成品、制剂进行定性和定量分析。建立原料药材的近红外标准光谱库, 利用质量控制(QC) 比较检索方法鉴别未知样品。采用主成分分析-马式距离法鉴别乌鸡。建立半成品标准光谱库, 用相似度匹配算法筛查阴性(缺味)半成品。采用偏最小二乘法对主要原辅料、半成品和制剂进行了定量分析。采用近红外混合过程分析仪结合移动块标准偏差法在线判断同仁乌鸡白凤丸半成品混合终点。所建立的定性分析模型能够对样品做出准确的分类;定量分析方法结果准确可靠。方法准确、可靠、快速、简便、环保, 可通过在线或旁线方式用于工业现场的原位检测。

matlab最简单的代码fnirsr 用于分析功能性近红外光谱（fNIRS）数据的R包 安装 如果还没有，请安装devtools ： install.packages("devtools") 使用devtools::install_github("erzk/fnirsr")安装软件包。 样本数据文件来自和。 用法 加载文件（ETG-4000） 在目前的开发阶段，该程序包只能读取Hitachi ETG-4000生成的原始csv文件。 其他系统生成的文件具有不同的结构，到目前为止，我不需要使用它们。 最终，我可能会扩展此包以使其与其他文件类型一起使用。 此小插图中使用的并且随附于此软件包的文件Hitachi_ETG4000_24Ch_Total.csv来自。 有关记录的顶级信息保存在标题中。 它具有不规则形式，因此解析起来有些棘手。 此软件包版本在数据部分之前读取csv文件的部分，并返回带有标头信息的向量： library( fnirsr ) file_path <- system.file( " extdata " , " Hitachi_ETG4000_24Ch_Total.csv "

有关matlab预处理近红外的代码，并附上相关的介绍，复制粘贴到matlab中即可。有关matlab预处理近红外的代码，并附上相关的介绍，复制粘贴到matlab中即可。

直接正交信号校正算法在烷烃类多组分气体定量分析中的应用_李玉军.pdf

基于MATLAB语言的苹果糖度近红外光谱定量分析.pdf

基于自标度数据的偏最小二乘（PLS）回归系数是一个重要变量的理论，云永欢等提出了一种新的变量选择策略&迭代变量子集优化（IVSO）。在这项工作中，每个子模型中产生的回归系数都被规范化以消除影响。在每一轮迭代中，将从子模型中得到的各变量的回归系数相加，以评估其重要性水平。采用加权二元矩阵抽样（WBMS）和序贯加法两步法，以竞争的方式逐步、温和地消除非信息变量，降低重要变量丢失的风险。此外，还考虑到，通过交叉验证产生的潜在变量的最佳数量将对回归系数产生很大的差异，有时这种差异甚至可以变化几个数量级。