国家科技型中小企业技术创新基金(12C26213202207)
- 作品数：7 被引量：49H指数：4
- 相关作者：刘国海江辉梅从立丁煜函黄永红更多>>
- 相关机构：江苏大学浙江水利水电学院苏州工业职业技术学院更多>>
- 发文基金：国家科技型中小企业技术创新基金国家自然科学基金江苏高校优势学科建设工程项目更多>>
- 相关领域：生物学理学轻工技术与工程化学工程更多>>
- siPLS-LASSO的近红外特征波长选择及其应用被引量：5
- 2018年
- 近红外技术广泛应用于食品、药品等生产过程和产品质量检测,具有样品无需预处理、成本低、无破坏性、测定速度快等优点。但是,全光谱数据维数高、冗余信息多,直接应用于建模会导致模型复杂性高、稳定性差等问题。siPLS是最常见的光谱数据降维方法,但是难以处理光谱数据的共线性问题。LASSO是一种相对新的数据降维方法,但在小样本应用中具有不稳定性。针对siPLS和LASSO在近红外光谱数据应用中存在的问题,提出了基于siPLS-LASSO的近红外特征波长选择方法,并将其应用于秸秆饲料蛋白固态发酵过程pH值监测。该方法首先采用siPLS算法,实现对光谱波长最佳联合子区间的优选;然后,对优选联合子区间使用LASSO算法进行特征波长选择,在此基础上建立PLS校正模型。同时,将siPLS-LASSO方法与其他传统特征波长选择方法进行了对比。结果表明:建立在siPLS-LASSO方法优选33个特征波长基础上的PLS模型预测结果更好,其预测方差(RMSEP)和相关系数(Rp)分别为0.071 1和0.980 8;所提siPLSLASSO方法有效选取了特征波长,提高了模型预测性能。
- 梅从立梅从立尹梁尹梁江辉陈旭丁煜函
- 关键词：近红外光谱
- 基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别被引量：5
- 2016年
- 为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用AntarisⅡ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(Adaboost)与SRDA-NN方法结合,提出了Adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过Adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,Adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明:在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,Adaboost算法能很好地提升最终分类模型的预测精度。
- 于霜刘国海夏荣盛江辉
- 关键词：光谱分析近红外ADABOOST
- 一种基于SCARS策略的近红外特征波长选择方法及其应用被引量：18
- 2014年
- 针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示:建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。
- 刘国海夏荣盛江辉梅从立黄永红
- 关键词：光谱分析近红外SCARS
- 基于BP-Adaboost的近红外光谱检测固态发酵过程pH值被引量：4
- 2013年
- 为了实现固态发酵过程参数pH值的快速检测，提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法．首先获取140个固态发酵过程产物样本在10000～4000cm-1范围内的近红外光谱；然后利用酸度计测得近红外光谱预测模型的参考测量值；最后运用Adaboost（AdaptiveBoosting）算法来构建由10个弱预测器（BP神经网络）组成的BP．Adaboost强预测模型．试验结果显示：该模型的预测均方根误差（RMSEP）和预测集相关系数（R）分别为0．0726和0．981l；与BP模型结果相比，该模型具有较好的预测精度．
- 刘国海肖夏宏江辉梅从立丁煜函
- 关键词：固态发酵PH值近红外光谱ADABOOST算法
- 基于电子鼻和高斯过程的秸秆固态发酵过程监测技术被引量：3
- 2014年
- 基于电子鼻监控数据,建立基于高斯过程的状态监控分类器,实现对秸秆饲料固态发酵过程的有效监测。秸秆饲料固态发酵过程实验周期为7 d,每隔24 h利用电子鼻系统对发酵气体监测数据进行采集。该发酵实验共分20批次,其中10批次实验数据用来训练高斯过程分类器,其余10批次实验数据用来测试所训练分类器的性能。实验结果表明所采用电子鼻系统可以对秸秆饲料固态发酵过程状态进行有效监控。将所训练高斯过程分类器与支持向量机、神经网络分类器进行比较表明,基于高斯过程分类器的正确率为100%,高于基于支持向量机、神经网络分类器的正确率85.71%、94.29%,能够更好地实现对秸秆饲料固态发酵过程的监测。
- 梅从立束栋鑫江辉黄文涛刘国海
- 关键词：秸秆
- 基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测被引量：12
- 2013年
- 为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘(dbiPLS)法结合连续投影算法(SPA)进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘(PLS)模型的主成分因子数,并以预测均方根误差(RMSEP)和相关系数(Rp)作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%(质量分数)和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。
- 刘国海江辉梅从立
- 关键词：发酵近红外光谱连续投影算法
- 固态发酵过程电子鼻系统传感器阵列优化研究被引量：2
- 2016年
- 采用电子鼻系统对秸秆饲料固态发酵过程阶段进行监测研究具有明显的应用意义。但是电子鼻系统传感器阵列中同一气敏传感器会对多种被测气体响应,导致采集数据含有冗余信息,因此有必要对电子鼻传感器阵列进行优化。本文基于因子分析法对电子鼻系统采集数据结合阶段状态信息进行分析,提出传感器阵列优化方法。并采用神经网络、支持向量机和高斯过程等模式识别方法对电子鼻系统传感器阵列优化组合采集数据进行过程状态识别模型建模。研究表明,传感器阵列优化有利于减少模型输入,降低模型复杂性,提高模型对过程状态的识别率。
- 束栋鑫杨铭梅从立廖志凌刘国海
- 关键词：电子鼻模式识别
