下载
加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 2009-基于支持向量机及小波变换的人参红外光谱分析

2009-基于支持向量机及小波变换的人参红外光谱分析.pdf

2009-基于支持向量机及小波变换的人参红外光谱分析

zxxdyx116
2011-05-19 0人阅读 举报 0 0 暂无简介

简介:本文档为《2009-基于支持向量机及小波变换的人参红外光谱分析pdf》,可适用于高等教育领域

第!"卷!第#期!!!!!!!!!!!!光谱学与光谱分析$'!"!('#!))I*I,II!"年#月!!!!!!!!!!!!))):!!"!基于支持向量机及小波变换的人参红外光谱分析金向军<!张!勇!!#!谢云飞<!丛!茜!!赵!冰<<'吉林大学超分子结构与材料国家重点实验室!吉林长春!<#<!!!'吉林大学地面机械仿生技术教育部重点实验室!吉林长春!<#!!#'吉林工程技术师范学院信息工程学院!吉林长春!<#*!摘!要!以吉林名贵中药材人参作为研究的主要对象!详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程!以及如何利用人工神经网络"((#和支持向量机"$:#技术建立人参的红外光谱的产地鉴别模型!并详细讨论了((模型中相关参数的优化方法以及$:模型中的核函数及值的优化选择仿真实验表明!建立的((模型对G个吉林人参样品产地识别率达到"!'*g!而采用径向基核函数的$:模型的识别率为"'*g!其分类效果明显优于((模型从而表明小样本的情况下!利用$:结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分!同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持关键词!红外光谱小波变换建模人工神经网络支持向量机中图分类号!I*'#!!文献标识码!!!'!<'#"IG"J''<,*"##!"$#,I*I,*!收稿日期!!,<,!=修订日期!!=,<,!I!基金项目!国家自然科学基金项目"*I#*##和吉林省科技厅重点项目"!I"!,!!!*#资助!作者简介!金向军!<"I<年生!吉林大学超分子结构与材料教育部重点实验室教授!!通讯联系人!!,H'DS"JN'N'引!言!!人工神经网络"((#方法由于对非线性函数可任意逼近而在光谱分析中被广泛使用(<,#)然而((方法要求有较多的训练样本!而实际问题中往往样本很少!因此!如何从小样本出发!找到一个泛化能力强的模型!成为模式识别研究领域中的一个难题支持向量机"$:#是近年来机器学习研究的一项重大成果其基本思想(G)是'首先通过非线性变换将输入空间变换到一个高维空间!然后在这个高维空间求取最优分类面!其中非线性变换是通过核函数的方法来实现的$:方法能够避免神经网络训练结果不稳定$容易陷入局部极小的缺陷!尤其在有在小样本的情况下它的泛化能力非常强小波变换"B#是傅里叶分析发展史上里程碑式的进展!它能够将信号根据频率的不同!分解成多种尺度成分!并对大小不同的尺度成分采取相应粗细的取样步长!从而能够聚焦于信号中的任何部分(*)目前!小波变换技术已经在光谱分析中!如光谱的去噪$光谱数据的压缩以及化学信息的提取等!已经取得了一定的成果(I,")作为中草药!其真伪和道地性的鉴定是保证药材的真实性$确切疗效和用药安全的重要环节对于不同产地和不同栽培条件的药材!其药效的不同是由于其所含化学成分和各成分含量的比例不同所造成的!这将造成红外图谱的差异!但这些差异非常细微通过模式识别$机器学习的方法却能够发现其中有规律性的模式!能够实现对产地和栽培条件等特征的自动识别目前!常规的光谱分析方法则需对药材进行分离提取!而利用红外光谱法直接鉴别中药材也已有报道(,<<)!但采用红外光谱法保持药材原性状鉴别同类中草药的报道并不多见本文以名贵药材人参作为研究的主要对象!详细介绍利用小波变换技术对红外光谱的数据处理方法!以及如何利用((及$:技术建立中草药的红外光谱的产地鉴别模型!并对两个模型的分类准确率进行了对比!同时详细讨论了其模型中重要参数的优化设置方法<!实验部分,,!样品的来源和处理文中选用了G个不同产地的人参样品"由中科院长春应用化学研究所提供#其中!!个样品分别采自吉林省集安的榆树镇$太王乡$清河镇$上台镇!!个样品采自抚松的万粮镇$浚江镇$一参场$三参场$五参场等地实验中!我们采用了交叉检验的方法Administrator高亮Administrator高亮Administrator高亮人参于<l真空干燥!!取出置于干燥器内冷却!然后研磨成粉末!再通过<目筛,B!光谱的测定红外光谱是用布鲁克公司的$XQBXc=型红外光谱仪测得!T>压片"<e*#扫描范围'G!GHF<!检测器为MBA!扫描次数为IG次!分辨率为!HF<G个人参样品的红外光谱图如图<所示()*,!'I$:"*)$*$"$,H!软件处理使用的软件为ZbI'!VS公司的VI'以及:S'!!人参红外光谱的分析B,!光谱数据的预处理首先对人参的谱图进行了一阶导数处理!用于消除由于偏移和漂移引起的光谱偏差!将隐藏的信息突出来!从而利于对样品的鉴别(<!!<#)同时为了减少导数光谱的噪声!将导数光谱进行了平滑!其平滑算法采用的是Da,A算法!并选择了波数从<!IHF<的范围进行研究BB!利用小波变换技术对光谱变量降维为了提高人工神经网络和支持向量机模型的训练速度!在保留原光谱的主要特征的前提下!本文利用了小波变换方法将一阶导数光谱进行了压缩在进行压缩的过程中!由于对压缩时所用的主要参数到目前为止仍然没有一个科学的论证(#!=!")!因此本文通过反复实验来选择相应的参数其结果如下表<所示在这里!压缩结果的评价指标为标准差"#'##最后我们确定经小波变换压缩后的光谱变量点由原来的*!个压缩成#=个!其他具体参数见表<中的标志一行BH!人工神经网络技术建模在构造网络模型之前!如何确定最优的结构参数"层数$隐含层单元数#和性能参数"学习速率($动量因子#到目前为止仍然是>Z网中的主要难题(#!<G!<*)下面先对有关参数进行讨论!'#'<!网络结构参数的确定本文选择了三层的>Z网络输入层神经元的个数为#=个同时输出神经元的个数为<个!并以<'代表集安!以'代表抚松隐含层节点数的选择在所有>Z网络中目前还没有理论上的指导根据THV定理(*)可知隐含层节点的个数大约个!在本文中!我们是通过实验的方式来选取最佳的隐含层神经元的个数!其结果如图!所示最后确定最佳隐含层神经元的个数为"个同时采用的学习算法是变速率学习算法BVY其中!学习速率(是自动调整的!而对于动量因子是通过实验获得的最优值对动量因子分别从'<测试到'"!其结果如图#所示最后确定网络模型的最佳动量因子值为'"D",!I$<"""K$)$<)GG=)""ASQHV,g(NHSD,gOH)S<'#<"='!"I'=*<I'<<'I#""'G"I'*<"'I=*'**I#""'*#"I'##!'I*I'#=G=""'I="*'=!#'G"""'!""'=*"G'!##!'#G!'<I!I""'="#'<#*'#<"I'<*G*""'=""#'<=#='!""I()*B!O:)"#NN<)GG$)G)=="K()*H!O:)"#NN<)GG=)"$*I第#期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析Administrator高亮Administrator高亮!'#'!!结果与分析上述经训练后的人工神经网络达到训练目标后!网络的分类结果如图G所示G个人参样品中!仅有#个样品"第!!$<#$<=样品#被网络错误分类!而其他#个样品产地鉴别均是正确的在小样本的情况下!所建立的>Z网络对人参的产地鉴别正确率能够达到"!'*g!结果还是比较满意的!'G!支持向量机技术建模由于$:对偶问题的求解过程相当于解一个jZ问题!需要计算和存储核函数矩阵!其大小与训练样本数的平方相关(<I!<)!因此本文在使用$:技术建模之前!我们利用了小波变换对人参的导数光谱进行了压缩!为了和((技术作对比!其压缩过程和参数同!'!节!'G'<!核函数及其参数的选择目前最常用的核函数有两类'"<#多项式核函数!,"!#"("#(<)"!#Q>`核函数!,"!#"Y)*$M$!,"!!#:在核函数的参数中!的大小严重影响分类器分类的准确性(<=!<")因此!为了获得一个很好的$:分类器!本文通过实验来选取最优的值表!和表#分别显示了Q>`分类器和多项式分类器在不同的,值时的分类准确度!'G'!!结果与分析从表!和表#可以清楚地看到!在Q>`分类器中!当值取为'I时!分类器分类的准确度最高在多项式分类器中!值取为G时!分类的效果最好但采用Q>`分类器的分类精确度要比多项式分类器高同时当多项式分类器的值取得越大!模型的训练时间显著增加!因此!我们最后确定采用Q>`分类器!并将值取为'I其分类的结果如图*所示从图*可以看到!G个人参样品中!仅有<个样品"第=个#被错误分类!而其他#"个样品产地鉴别均是正确的建D"B!'=)):")$$<)GI(QYC:"$$))$JV*)$*$"$值'!'G'I'=<'<'*!'!'*分类准确度='*g"!'*g"'*g"*g"g"g=*g=gD"H!'=)):")$$<)GK)"QYC:"$$))$JV*)$*$"$值<!#G*分类准确度=*g"g"!'*g"*g='*g立的$:分类模型对人参的产地鉴别正确率能够达到"'*g!在G个样本的情况下!结果非常令人满意()*J!O"$$)):")*)$*$"$K#NNG=()*P!O"$$)):")*)$*$"$KI(QYC:"$$))$#!结!论!!本文应用小波变换技术对红外光谱的光谱变量进行了有效的压缩!既保持了光谱的特征!又有效地减少了光谱变量!并结合了人工神经网络建立了吉林人参产地鉴别的模型!该模型的预测效果良好!识别率达到"!'*g同时!利用适合小样本的$:技术进行建模!并对其使用Q>`和多项式两种核函数以及不同的参数时的分类准确率进行了对比!实验结果表明!采用Q>`核函数!同时当值取为'I时!分类器分类的准确度最高!可以达到"'*g!同时也能够说明利用$:结合小波变换技术可以对中草药的红外光谱的产地特征进行正确区分!而且识别率要远远高于((网络模型!从而为在小样本的情况下!对其他中草药的红外光谱的分析和研究提供了一定理论依据和技术支持参考文献(<)!CXWV!c,!MX(AcN,RK^NR`XVV!!!"'<!#=K(!)!Z(AB,!W^,S!Mb,HV"庞涛涛!姚建斌!杜黎明#K)))"光谱学与光谱分析#!!!!"#'<##IK(#)!B(AW,RV!C(AN,V!`(AN,dV!"汤彦丰!张卓勇!范国强!等#K)))"光谱学与光谱分析#!!*!!*"*#'<*K=*I光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!"卷(G)!c,N!C(Ac,RV!CX(,N"李晓宇!张新峰!沈兰荪#K:NHmOBV"测控技术#!!I!!*"*#'K(*)!`BZNQM)HO"飞思科技产品研发中心编#KBBRBRHQ,D:B>"小波分析理论与:B>实现#K>JV'ZNSVCNRXN"北京'电子工业出版社#!!*K<<GK(I)!B(A,N!Wb(CV,RN!bCN,V!"田高友!袁洪福!刘慧颖!等#K^NRNH"分析测试学报#!!*!!G"<#'<K()!b:V,V!:X(AWN!^N,RV!KOOH!!I!<'<!"K(=)!bWV,JN!jbW,V!O,dV!"卢永军!曲艳玲!曹志强!等#K)))"光谱学与光谱分析#!!I!!I"=#'<G*K(")!WXV,V!WbT!OCX(AW,N"叶正良!虞!科!程翼宇#KOH^NROb"高等学校化学学报#!!!!="##'GG<K(<)!`(N!(A:,H!W(ACV,U!"范!璐!王美美!杨红卫!等#KO^NROH"分析化学#!!!#*'#"K(<<)!bW!bN,V!(AN^,dN!"刘!岩!刘顺航!王俊全!等#K)))"光谱学与光谱分析#!!!!"I#'<"#K(<!)!W,aN!CcN,VNV!O,V"李艳坤!邵学广!蔡文生#KOH^NROb"高等学校化学学报#!!!!="!#'!GIK(<#)!WV,HV!b(N,d!CbjN!K$S))!!G!#G'!!K(<G)!c,!CXWV!jbV,JN"李晓丽!何!勇!裘正军#K)))"光谱学与光谱分析#!!!!"!#'!"K(<*)!CWV,!CXWV!(AW,KXN)`QBV!!!!!G'*"<K(<I)!C^,U!OCX(jN,V!Cb(AcV,!K^NRZHN>H!!I!G<'<<"=K(<)!(V!(AW!cbT,YK)XY)!!I!<G"<#'I#K(<=)!>!KOH!!I!*"'!*K(<")!i^,RV!M,aN"吕剑峰!戴连奎#KO^NROH"分析化学#!!!#*"##'#GK#"K$)$'"=Q:$:K!)$*$KQY:C":G)"=A"D"$^(cV,JN<!C(AWV!!#!cXWN,R<!O(Aj!!C>V<<KTSRN)HNNN:!:RXN!^b!OVN!<#<!!O!KTSRB,:>XVV!:RXN!^b!OVN!<#!!!O#K^BNRXVVBV!OVN!<#*!!O#$":!)N!GH)RVV"!H)RH^!H)RHN`N#UNS`NRHR"Q#))K:U!H)RRRHSR!VVV)U)NVRHKBVNVRH,)UHKBHVUSNVDa,AVH!HVUUVVHKRNUa"((#!N))H"$:#U)VV!URH"B#U))K`!)NHSRR))UH)NVBVSRHUS!NHSVHKB!RHRNRVVUNH)SNR(($:HKB)VH,))HRHUN!NV)HRUH)VV)H,R(($:HKBHNY)H((HHVGH)RVVRH^!NRRU"!'*gKBSRN"Q>`#$:,R)H$:RUNH)Y)HKBSY)HNUS,NVQ>`$:RUL'I!NRRU"'*gK`!H)U(("*I第#期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析))!$:VHUYVDRRNUNHSRH)UHKBNUQ))HSU$:BVSRRNDR)H)RRNRVV!N)VN))RNRRNVVVQ))KMK<=$!R))RHXSVHRNUaN))H"QK!=!!)^K!I!!=#!!O)VN顾问陈星旦院士!!陈星旦先生<"!年*月生于湖南湘乡<"*年毕业于湖南大学物理系<"*年至今先后在东北科学研究所及中国科学院长春光学精密机械与物理研究所工作应用光学专家!<"""年当选为中国科学院院士!世纪五$六十年代!做过多项当时属国内开创性工作!主持研制了我国第一代红外光谱仪!在高温物体光谱辐射测量!大气及环境光谱测量!光谱辐射标准等方面做了国内急需的开创性的工作在我国第一次核爆光辐射威力测试中!在没有任何资料可循的情况下!独创性地构思测量方案创造性地提出测定方案及辐射传感$模拟$标定系统研制的几种光冲量计!在第一次及以后历次大气层核试验中得到成功应用!世纪七十年代中!在我国开拓短波"真空紫外到软c射线#光学技术研究领域!提出具有先导性和系统性的科研项目!主持研制紫外真空紫外壁稳氩弧标准光源及稀有气体电离室标准探测器!建立短波光谱辐射强度标准主持研制软c射线ZV光源!双等离子体光源及真空紫外空阴极光源!形成覆盖=!!H高性能光谱光源系列主持研制一系列不同波段$不同应用的正入射$掠入射单色仪及摄谱仪提出开展软c射线多层膜及其配套技术研究!通过国际合作培养人才!研制镀膜与检测设备!研究超光滑光学表面加工及正入射软c射线成像在短波光学技术领域取得了一系列具有国际先进水平的成果!在软c射线光源$元件$计量测试及正入射显微成像等方面!建立起完整配套的技术基础为后来承担的空间短波光学遥感仪器$同步辐射光束线$软c射线显微成像$软c射线空间望远镜$软c射线投影光刻等重大应用研究奠定了技术基础为此!先后获<"="年$<""<年中科院科技进步奖一等奖$二等奖!<""*年国家科技进步奖二等奖!均为第一获奖者!世纪八$九十年代!研究真空紫外到软c射线光学技术主持研制了光谱光源$标准探测器$光谱仪器$正入射软c射线成像元件和系统建立了短波光学研究的技术基础为国家经济建设与国防科研做出了重要贡献提出无需人操作的通量测量系统!可自动显示w光冲量w积分值!不需外接电源$布点不受场地限制!不受环境干扰$安全可靠!便于核爆后数据回收设计研制不同工作方式的光辐射传感器!解决大量程$高灵敏度$短时间常数等参数的合理分配提出定天镜定标系统!模拟核爆辐射!研制绝对辐射计!实现准确定标研制的几种光冲量计!在我国第一次核试验中取得成功!并被遴选为以后历次大气层核试验必用的辐射测量设备!为光辐射的杀伤效应$杀伤范围!光冲量随当量$天气$距离和爆高等因素的变化规律提供了准确的测试数据!世纪九十年代末至今!致力于近红外光谱技术与应用研究!在过去主持七五$八五国家科技攻关专题的基础上!主持完成了十五国家科技攻关计划课题粮食品质快速检测技术和仪器的研究与开发!先后研制了三代滤光片型近红外漫反射光谱分析仪扩展了近红外光谱技术在茶叶$人参$燃煤及生化等领域的应用近几年!有几位博士研究生及博士后毕业或出站陈先生曾任光谱学与光谱分析副主编!现任光谱学与光谱分析顾问II光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!"卷

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/5

2009-基于支持向量机及小波变换的人参红外光谱分析

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利