红外光谱结合聚类分析鉴别青海枸杞产地

采用傅立叶变换红外光谱（FTIR）对枸杞样品产地模式进行鉴别.用常规预处理方法和小波变换法对红外光谱原始数据进行了预处理,利用聚类分析对已预处理后的红外光谱数据进行分析.聚类分析将12份样品聚为枸杞主产地和非主产地两大类,取得了较满意的分类效果.红外光谱法结合聚类分析法可作为枸杞产域分类鉴别的一种新的适用方法.     

基于红外光谱技术建立宁夏中宁产区枸杞子判别模型的应用研究

[目的]采用傅里叶变换红外光谱技术实现对宁夏中宁产区枸杞子的快速鉴别。[方法]分别采集宁夏、甘肃、青海、内蒙古4个不同产地40份枸杞子样品进行扫描,对其红外光谱分别进行聚类分析和主成分判别分析,建立中宁产区枸杞子产地判别模型。[结果]在900~1 700 cm~(-1)波数范围内,建立主成分分析判别模型,对样品的识别率均达到100%,模型预测效果好;采用组间均联法,利用马氏距离作为样品的测度,进行聚类分析,可将不同产区枸杞子进行区分,样品判别率达到100%。[结论]采用聚类分析和主成分分析对不同产区枸杞子红外光谱进行分析,该方法在枸杞子产地判别中具有可行性,能够快捷、准确地鉴定中宁枸杞子。     

FTIR光谱主成分分析鉴别不同产地青稞

采用傅里叶变换红外光谱技术,通过主成分分析法对3个不同产地的19份青稞(Hordeum vulgare L.var.nudum Hook.f.)种子进行了聚类分析.结果表明,3个不同产地青稞的平均红外光谱图整体上相似,借助指纹特征区域800～1 600 cm-1红外光谱,利用DPS统计软件对其进行主成分分析,其中前3个主成分累计贡献率超过99％,同时从荷栽图可知,3个主成分代表了样品在该段光谱上的主要信息,主成分空间中样品汇集成不同的类别,可基本鉴别不同产地的青稞.在某种程度上,样本分布密度稀疏,也反映了样本间的亲缘关系.该方法为无损鉴别不同产地青稞种子提供了一种简便快速的方法,可有效反映不同产地青稞种子主要化学成分的差异.     

FTIR结合小波变换分析鉴别8种根茎类作物（英文）

为了区分鉴别8种根茎类作物,通过采用傅里叶变换红外光谱(FTIR)结合小波变换(WI)、主成分分析(PCA)和聚类分析(HCA)的方法,测试研究了8种根茎类作物40个样品的红外光谱。结果表明:8种样品红外图谱相似,但在1800~700 cm-1范围内,红外光谱的峰位、峰形及吸收强度差异明显。对此范围内的原始红外光谱进行连续小波和离散小波变换。提取连续小波变换的第15层系数和离散小波变换的第5尺度细节系数数据,进行主成分分析和聚类分析。连续小波和离散小波的前3个主成分的累计贡献率分别为93.12%、89.78%,主成分分析和聚类分析正确率为100%。研究结果显示:傅里叶变换红外光谱技术结合小波变换的方法可以区分鉴别不同种的根茎类作物。     

不同产地黄硬皮马勃的红外光谱鉴别方法研究

黄硬皮马勃(Scleroderma flavidum Ell.et EV.)主要生长在我国南方地区,有食用和药用价值。利用红外技术对其进行产地鉴别,为黄硬皮马勃的资源鉴别提供基础分析方法和理论依据。利用傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)仪采集4个不同产地共40个黄硬皮马勃样本的红外光谱,每个样本平行扫描3次,取平均值。随机选择12个样本作为验证集,其余作为校正集,采用1 800~500 cm-1波段的光谱数据,对比多种预处理方法,选择最佳预处理方法建立模型并进行判别分析(discriminant analysis,DA)。结果表明,预处理方法 ND(7∶3)+SD+MSC(ND为诺里斯导数平滑,SD为二阶导数,MSC为多元散射校正)构建的判别模型性能最佳,验证集样本的分类准确率和校正集样本的回判准确率均达到100%,模型鉴别效果良好,可靠性高。傅里叶变换红外光谱法结合判别分析,能有效鉴别不同产地黄硬皮马勃。     

基于主成分分析法识别不同产地防风和黄芩

在中草药现代化的进程中,识别不同产地的中草药对于中医药的发展十分重要。利用傅里叶变换红外光谱仪测量不同产地黄芩和防风的红外光谱,选取指纹特征区域400～3 500 cm-1的红外光谱,经过预处理、归一化建立基于主成分分析的识别模型。结果表明,防风中三个主成分能代表99.99%的指纹区变量信息,黄芩中三个主成分能代表99.70%的指纹区变量信息。样本在主成分及主成分得分值空间中的分布情况,不仅实现了对不同产地防风、黄芩的识别,还可以通过样本的分布疏密度反映样本的亲缘关系。基于主成分分析原理建立的数学模型可以高效地识别不同产地防风和黄芩,为中草药鉴别提供了有效的参考。     

FTIR结合DWT鉴别研究六种不同植物来源的淀粉

利用傅里叶变换红外光谱(FTIR)结合离散小波变换(DWT)、主成分分析(PCA)和聚类分析(HCA)方法对甘薯、马铃薯、薯蓣、莲藕、豌豆、玉米淀粉进行鉴别研究,测试淀粉样品的红外光谱。结果表明,6种淀粉样品红外光谱相似,但在1 700~800 cm-1范围内,红外光谱的峰位、峰形及吸收强度差异明显。对此范围内的原始红外光谱进行离散小波变换,提取离散小波变换的第五尺度细节系数数据,进行主成分分析和聚类分析。离散小波的前3个主成分的累计贡献率为94.43%,主成分分析和聚类分析正确率为100%。研究表明,傅里叶变换红外光谱技术结合离散小波变换的方法可以鉴别不同植物来源的淀粉。     

基于小波变换和神经网络的可见‐近红外光谱对烟草品种的鉴别

为了实现烟草不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立烟草品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对4个品种的80个烟草样本建立训练模型,并用每个品种5个样本,共20个烟草样本进行预测.结果表明,用该方法对本研究4个品种的烟草鉴别正确率达100%.说明该方法具有很好的分类和鉴别作用,为烟草品种的快速鉴别提供了一种新方法.     

不同产地艾叶红外指纹图谱研究

为了建立不同产地艾叶药材的红外指纹图谱,为艾叶产地鉴别提供新的技术和方法,采用傅里叶变换红外光谱技术对国内6个主产地的艾叶样品进行分析,通过图谱的表征解析、相似度对比、主成分分析及聚类分析等方法,建立艾叶红外指纹图谱并探讨鉴别不同产地艾叶的方法。结果表明:不同产地艾叶的红外图谱相似度较高,但运用适当的计量学方法可实现艾叶的产地鉴别;红外图谱解析、相关系数分析及聚类分析等方法可对不同产地艾叶样品进行正确的分类,结果相互验证和补充。可见,红外指纹图谱分析技术适用于艾叶的产地鉴别,该结果为艾叶的产地溯源和质量控制提供了一种新的思路。     

薯的傅里叶变换红外光谱研究

利用傅里叶变换红外(FTIR)光谱结合主成分分析(PCA)和聚类分析(HCA)方法对8种薯进行了鉴别研究,测试了40个薯样的红外光谱。结果表明,8种薯红外图谱相似,但在1 800~700 cm-1范围内,红外光谱的峰位、峰形及强度差异明显。将8种薯的傅里叶变换红外光谱与可溶性淀粉的光谱进行相似性分析,结果显示,相似度从大到小依次为:马铃薯、木薯、薯蓣、毛薯、红薯、姜薯、豆薯、菊薯,表明马铃薯含淀粉量最多,其次是木薯,最少是菊薯。对原始红外光谱作二阶导数处理,并利用1 800~700 cm-1范围内的二阶导数光谱数据对8种薯40个样品进行主成分分析和聚类分析,主成分分析前3个主成分的累计贡献率达89.18%,正确率为97.5%,聚类分析正确率为100%。傅里叶变换红外光谱技术结合统计分析的方法可鉴别区分不同种的薯类。     

Hartley变换小波研究

介绍Hartley变换的定义、基本性质,提出一种用有限和无限多个尺度完全可调制的正弦和余弦类型的小波作为窗口函数来表示Hartley变换的观点,弥补了窗口Hartley变换依赖于窗口宽度这一缺陷,将其与小波分析联系起来。     

小波分析及其在计算电磁学中的应用

回顾小波变换的发展历史,指出其相对于Fourier变换与Harr变换的优越性,并结合矩量法(MoM)、时域有限差分法(FDTD)等方法,讨论小波分析在计算电磁学中的应用。     

抗剪切鲁棒图像数字水印的研究与实现

数字水印是解决信息安全和版权保护的有效方法,为增强其鲁棒性,提出一种结合离散余弦和离散小波的数字图像水印算法:对原始灰度图像进行小波分解,对得到的LL图像按照一定大小进行分块;对每一块进行离散余弦变换,把水印图像经过Arnold置乱后的值嵌入到变换后的系数上;进行逆变换。实验结果表明,该算法能够经受住中值滤波、剪切等的攻击,具有很强的鲁棒性。     

浅析线形非时变系统的分析方法

对线性非时变系统的3种分析方法进行了分析和比较,并且对这些分析方法的适用范围及优缺点作了对比．指出了3种分析方法之间的内在联系和区别,通过分析一个RLC电路,说明3种分析方法的具体应用．     

基于小波分析的信号去噪方法

介绍了小波变换出现的背景及应用意义、信号去噪效果的标准及小波变换去噪的基本原理和方法。利用MATLAB软件特别是MATLAB小波工具箱编写仿真程序,结果表明小波变换在信号去噪中的有效性和优越性。     

基于小波变换的图像压缩方法研究

图像压缩是为适应特殊应用场合或为得到一个较好的视觉效果,例如突出某些细节,常常需要一种可以有效改变已有图像大小的方法,使图像压缩后仍然有较高的质量。本文采用一维小波变换和二维小波变换方法,将图像信息分解成低频和高频两部分,通过压缩算法,将图像数据重构成一幅信息完整的新图像。实验表明,采用本算法压缩后的新图像符合客观实际,图像数据信息丰富。     

森林资源监测Spot5遥感图像几何精校正方法研究

为探索空间分辨率为 2 5m的Spot5遥感图像用于森林资源监测的可行性 ,需进行遥感图像几何精校正 .该文在理论分析遥感图像校正模型的基础上 ,借助GPS虚拟网络参考站定位系统 ,以cm级精度测定校正遥感图像的地面控制点 ,通过实例计算 ,详细研究了在通用遥感图像处理软件ENVI、ERDAS及PCI中各种可能的几何精校正方法及实际精度状况 .综合考虑几何位置变换精度、灰度重采样精度及不同校正方法对地面控制点数量和分布的要求 ,结合林区Spot5遥感图像的特点和GPS定位现状 ,确定了适合森林资源调查的Spot5遥感图像几何精校正方法 .     

小波变换与傅里叶变换相结合的暂态谐波分析方法

结合小波变换良好的时频局部化特性和傅里叶变换良好的频域分析特性,提出小波变换与傅里叶变换相结合的暂态谐波分析方法。利用傅里叶变换和静态小波变换得到被测信号频域特性和时域特性,再结合连续小波变换得到暂态谐波的时频特性。理论分析和仿真试验结果表明,利用本方法得到的暂态谐波幅值与理论值一致。本方法能够准确分析电网中的暂态谐波,可为电力系统暂态谐波的分析和治理提供依据。     

n维热传导方程的经典解

给出了n(n＞2)维Fourier变换及其性质,并借助它们及Euler积分给出了一类高维热传导方程的Cauchy问题的经典解.     

基于DWFMT非变异特征的指纹鉴别技术

为提高指纹鉴别率，提出了一种基于DWFMT变换提取特征进行指纹鉴别的新方法。采用离散小波变换进行小波分解指纹图像后对局部边缘进行平滑，从而减少指纹图像关于形状扭曲的敏感性，而Fourier-Mellin变换产生平移、旋转和伸缩的非变异特征．利用Fourier-Mellin变换的线性性质，使众多的DWFMT特征形成非变异的参考特征以减少输入指纹图像的变化．实验结果表明，其指纹鉴别率达到96％以上，当众多DWFMT特征被使用时，鉴别率可达到99％．