导读:本文包含了波长筛选论文开题报告文献综述及选题提纲参考文献，主要关键词:棉花,纤维品质,纤维分子结构,马克隆值
波长筛选论文文献综述
汤菲菲,姚燕,邵玉涛,蔡晋辉,沈晓敏[1]（2019）在《基于理论吸收光谱的棉纤维波长筛选方法》一文中研究指出马克隆值是评价棉纤维品质的一个重要指标,提出一种基于Gaussian软件的波长筛选方法,以期提高红外光谱法测定棉纤维马克隆值的准确性。采用基于哈特里-福克方程(简称HF)的从头算计算法、半经验分子轨道AM1方法和密度泛函理论DFT对棉纤维分子进行量子化学计算,并将计算结果与棉纤维红外光谱图进行比较分析,从而得到最优理论计算方法及其基组,进而通过分析该最优理论红外光谱图得到特征波长。该方法筛选出的特征波长为3 727～3 567、3 005～2 700、1 250～1 000 cm~(-1)。分别利用此特征波长与连续投影法(SPA)选出的特征波长建立偏最小二乘(PLS)模型,对比分析的结果表明,使用Gaussian软件DFT密度泛函理论的B3LYP/6-311+G~(**)方法可以较为准确地得到最优光谱图,该理论光谱波长筛选方法可以优选出高信噪比的波长。基于Gaussian软件的波长筛选方法能够简化红外建模步骤并提高红外光谱定量模型的性能。(本文来源于《江苏农业科学》期刊2019年07期）
王彩霞,何智武,吴龙国,买玉花,张智峰[2]（2019）在《高光谱技术结合特征波长筛选的牛肉品种多波段识别》一文中研究指出利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术结合特征波长筛选方法对安格斯牛、力木赞牛、西门塔尔牛3个品种的牛肉进行鉴别研究,且测定肉样的色泽、嫩度、pH值以及水分、脂肪、蛋白质含量。根据不同波段光谱的特点,分别对原始光谱进行预处理,并利用SPA、IRF和IRF-SPA方法筛选特征波长,建立基于全波段及特征波长下的PLS-DA牛肉品种鉴别模型。结果显示:400～1 000 nm波段采用SNV-IRF-SPA-PLS-DA方法建立的模型最优,校正集与预测集准确率分别为98.56%和97.12%,900～1 700 nm波段采用SG-SPA-PLS-DA方法建立的模型准确率为94.09%和96.04%,说明不同波段高光谱对牛肉品种识别均有较好的效果;400～1 000 nm波段的识别准确率优于900～1 700 nm,说明3种牛肉在色泽纹理上的差异比成分含量显着。研究表明,利用高光谱成像技术结合特征波长筛选方法能够获得较好的牛肉品种鉴别效果。(本文来源于《发光学报》期刊2019年04期）
陈华舟,辜洁,陈伟豪,莫丽娜,乔涵丽[3]（2018）在《基于双潜变量技术的SPA算法应用于NIR波长筛选》一文中研究指出利用近红外(NIR)光谱技术定量检测鱼粉的灰分含量,提出基于双潜变量技术的改进连续投影算法(DLV-SPA),针对光谱矩阵和目标成分进行双潜变量提取,结合连续投影完成特征变量筛选,为NIR定量分析提供有效的信息波长,实现降维定标,以达到提高预测精度的目的。结果表明,DLV-SPA方法应用于鱼粉品质的NIR定量检测,能够快速有效地完成信息波长筛选。该方法为动物养殖业提供了一种有潜力的品质检测技术,具有一定的应用价值。(本文来源于《光谱学与光谱分析》期刊2018年S1期）
倪力军,韩明月,张立国,栾绍嵘[4]（2018）在《基于稳定一致波长筛选的无标样近红外光谱模型传递方法》一文中研究指出测量环境及仪器间光谱信号的差异导致近红外光谱模型从主机传递到从机后,经常会产生过大误差。本研究提出了一种基于稳定一致波长筛选的无标样近红外模型传递方法(Screening stable and consistent wavelengths,SSCW),剔除主从仪器间差谱的标准偏差大于样品精密度测试光谱标准偏差的波长,以及精密度测试偏差过大的波长,筛选出仪器间光谱信号一致性好且稳定的波长建立近红外光谱定标模型。分别以玉米和黄芩样本集对本算法的有效性进行了检验。结果表明,SSCW模型传递后对从机样品的预测均方根残差RMSEP较全波长PLS模型直接传递结果小一个量级,大部分情况下优于分段直接校正算法(Piecewise direct standardization,PDS)的结果和文献报道的无标样模型传递结果。本方法具有传递性能好、模型参数少、稳健等优点,在不同仪器间可实现近红外光谱模型的无标样传递。(本文来源于《分析化学》期刊2018年10期）
梁瑜[5]（2016）在《基于吸光度的波长筛选方法用于近红外光谱定量模型的优化》一文中研究指出建立一种基于吸光度的波长筛选方法,以近红外光谱测定中成药制剂的多糖含量为例,对模型优化效果进行验证。考虑模型稳定性,在计算机平台上搭建一种新的样本集划分框架,基于吸光度筛选出最优波段为400~1882&2072~2364 nm,建立偏最小二乘(PLS)模型得到的SEPAve、RP,Ave分别为27.13 mg L-1、0.856,与全扫描谱区(400~2498 nm)的PLS模型预测效果做比较。结果表明,基于吸光度的波长筛选方法,可以优选出高信噪比波长,从而提高了近红外光谱定量模型的性能。(本文来源于《电子测试》期刊2016年21期）
于雷,洪永胜,周勇,朱强,徐良[6]（2016）在《高光谱估算土壤有机质含量的波长变量筛选方法》一文中研究指出土壤高光谱数据量大、波段维数高,存在光谱信息无效、冗余和重迭现象,导致基于全波段构建的土壤有机质含量反演模型不稳定、精度难以提升。因此,探寻筛选关键波长变量的方法,通过滤除干扰、冗余、共线信息,提高模型预测性能,是目前土壤高光谱研究的热点之一。该文对江汉平原公安县的土壤样本进行室内理化分析、光谱测量与处理等工作获取了实证数据,采用无信息变量消除法(uninformative variables elimination,UVE)剔除无效变量,利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)滤除冗余变量,运用连续投影算法(successive projections algorithm,SPA)消除共线变量,并尝试将不同类型的筛选方法进行耦合筛选关键波长变量,应用偏最小二乘回归(partial least squares regression,PLSR)分别建立土壤有机质含量估算模型,对比各种变量筛选方法的优缺点,最终,构建筛选土壤高光谱数据关键变量的方法体系。研究结果表明,除SPA方法的模型精度低于全波段外,其他6种变量筛选方法的建模效果均优于全波段;在3种单个变量筛选方法中,CARS方法优于UVE、SPA变量筛选方法,能有效地筛选出重要波长变量,其预测集相对分析误差RPD值为2.84;综合比较各种变量筛选方法,发现CARS-SPA方法从全波段2 001个波长中筛选出37个特征波长建立的土壤有机质含量的PLSR模型效果最好,其模型预测集的决定系数R2和相对分析误差RPD值分别为0.92、3.60,所选波段仅为全波段的1.85%。CARS-SPA-PLSR模型简单、预测效果好,可作为该区域土壤有机质含量估测的重要方法,对今后土壤近地传感器设备的开发具有一定的指导作用。(本文来源于《农业工程学报》期刊2016年13期）
贺文钦,严文娟,贺国权,杨增宝,谭勇[7]（2016）在《无创血液成分检测中基于VIP分析的波长筛选》一文中研究指出自变量筛选是定量光谱分析领域的研究热点,简便且高效的自变量筛选方法不但可以降低分析计算量,提高分析精度,同时还可以减轻对仪器光谱分辨能力的依赖,降低分析成本。波长筛选也是光谱法无创血液成分检测研究的重要环节。动态光谱理论为血液无创检测提供了极佳的思路,但长期局限于使用宽带光源和高分辨率的光谱仪器,分析中需要大量波长限制了动态光谱法的进一步发展。为了去除冗余信息,使检测走向低成本化和集成化,提出了基于变量投影重要性(variable importance in projection,VIP)分析的波长筛选方法。通过分析PLS模型中各维自变量对因变量的解释能力,从而剔除重要性较低的变量保留解释能力强的波长。以232例受试者的临床实验数据为基础,以血红蛋白含量为分析对象,经投影重要性分析后将波长数由586降至64,波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%,使用了极少的波长便可得到满意的结果;结合Bootstrap方法对模型进行显着性检验后验证了波长变量的解释能力。首次指出了使用动态光谱法检测血红蛋白的敏感波长带。基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步,为实现低成本在线分析打下了基础,同时也为其他领域的光谱分析提供了重要的参考和新的思路。(本文来源于《光谱学与光谱分析》期刊2016年04期）
李林,赵明明,王竹,彭帆,朱德海[8]（2016）在《东亚飞蝗光谱特征波长筛选与龄期识别方法研究》一文中研究指出利用高光谱图像采集系统在400~1 000 nm波段范围内采集东亚飞蝗成虫、5龄、4龄和3龄的前胸背甲光谱信息;每个龄期提取15像素×15像素目标区域平均反射率信息作为样本信息;提出了一种基于K均值聚类和主成分分析(K-PCA)相结合特征波段提取方法,对比分析K-PCA和SPA(投影连续变换)2种特征波长提取方法,采用Fisher判别分析方法分别对K-PCA和SPA筛选的特征波长建立东亚飞蝗龄期识别判别模型,实验结果表明K-PCA筛选出的特征波长数少且正确识别率为98.25%。K-PCA筛选的特征波长为468 nm、555 nm、635 nm、710 nm、729 nm、750 nm、786 nm和899 nm。本文提取的东亚飞蝗特征波长为东亚飞蝗的龄期识别奠定基础,进而对蝗灾的监测与预防提供了技术支持。(本文来源于《农业机械学报》期刊2016年03期）
贺文钦[9]（2015）在《动态光谱数据质量评估及波长筛选新方法》一文中研究指出血液成分的无创检测近年来一直是生物医学工程领域的热点方向之一,目前主要有近红外光谱法,拉曼光谱法等。但由于存在背景组织的干扰和个体间差异的影响,很多相关技术较难获得进一步发展。而利用光电容积脉搏波检测血液成分的动态光谱法因为从理论上排除了上述因素的影响而有着巨大的潜力。在动态光谱方法中,数据质量对模型结果有着至关重要的影响,因此,筛选高质量的数据是建模计算的首要问题。一种好的数据评估方法能够为动态光谱方法带来极大的便利,提高检测的精度。波长筛选在近红外光谱分析中有重要的意义,在选择自变量时一方面希望尽可能的包含有用信息,另一方面不希望模型过于复杂。经过多年的发展,动态光谱法得到了长足发展,但波长选取方面的研究一直少有涉足,因此本文提出了一种新的波长筛选方法减少了无创血红蛋白检测中的波长变量,简化了模型。论文在论述了动态光谱的基本原理及方法的基础上,主要包括了以下几个方面的内容。设计制作了以LED作为补偿光源的动态光谱光源系统,并以此系统进行了临床实验,采集了被试者的光谱数据。提出了一种光谱数据的质量评估方法,经仿真验证后分析了427例样本的光谱数据,随后采用分组对照选取样本,针对被试者的血红蛋白浓度建立了Bp神经网络模型,结果显示采用稳定因子筛选样本后建立的模型平均预测集相关系数为0.875,而未经筛选的样本预测集相关系数仅为0.715,模型的精度有了较大提高。提出了一种基于变量投影重要性的波长筛选方法,通过分析PLS模型中各自变量的解释能力,将主导变量筛选出来,由此降低了模型的复杂度,减小了运算量,实验中以232例受试者的临床实验数据为基础,以血红蛋白含量为分析对象,将波长数由586降至64,筛选后血红蛋白预测模型的预测集平均相对误差1.82%,使用了极少的波长便可得到满意的结果;本研究首次指出了动态光谱法检测血红蛋白的敏感波长带。基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步,同时也为其他领域的光谱分析提供了重要的参考和新的思路。(本文来源于《天津大学》期刊2015-12-01）
胡晓男,彭云发,罗华平,罗雪宁,詹映[10]（2015）在《无信息变量消除法在筛选南疆红枣总酸近红外特征波长中的应用》一文中研究指出以南疆红枣总酸的快速无损检测为研究对象,利用SPXY(Sample set partitioning based on joint x-y distances)法来划分校正集样本,应用无信息变量消除法(UVE)对南疆红枣总酸近红外光谱(NIRS)特征变量进行筛选,然后用筛选出的变量建立偏最小二乘(PLS)模型,该模型的预测标准偏差(RMSEP)为0.044 7,预测相关系数为Rp为0.877 8,并将UVE筛选的变量建立的PLS模型与全光谱建立PLS模型结果进行比较。结果表明,SPXY法划分的校正集样本合理;UVE优出选全光谱1 557个变量中的420个变量,建立的PLS模型预测效果要好于全光谱建立的PLS模型,UVE能够有效地选取待测成分的特征波长,建立简化的红枣总酸预测模型,降低模型计算量。(本文来源于《食品工业》期刊2015年05期）
波长筛选论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术结合特征波长筛选方法对安格斯牛、力木赞牛、西门塔尔牛3个品种的牛肉进行鉴别研究,且测定肉样的色泽、嫩度、pH值以及水分、脂肪、蛋白质含量。根据不同波段光谱的特点,分别对原始光谱进行预处理,并利用SPA、IRF和IRF-SPA方法筛选特征波长,建立基于全波段及特征波长下的PLS-DA牛肉品种鉴别模型。结果显示:400～1 000 nm波段采用SNV-IRF-SPA-PLS-DA方法建立的模型最优,校正集与预测集准确率分别为98.56%和97.12%,900～1 700 nm波段采用SG-SPA-PLS-DA方法建立的模型准确率为94.09%和96.04%,说明不同波段高光谱对牛肉品种识别均有较好的效果;400～1 000 nm波段的识别准确率优于900～1 700 nm,说明3种牛肉在色泽纹理上的差异比成分含量显着。研究表明,利用高光谱成像技术结合特征波长筛选方法能够获得较好的牛肉品种鉴别效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
波长筛选论文参考文献
[1].汤菲菲,姚燕,邵玉涛,蔡晋辉,沈晓敏.基于理论吸收光谱的棉纤维波长筛选方法[J].江苏农业科学.2019
[2].王彩霞,何智武,吴龙国,买玉花,张智峰.高光谱技术结合特征波长筛选的牛肉品种多波段识别[J].发光学报.2019
[3].陈华舟,辜洁,陈伟豪,莫丽娜,乔涵丽.基于双潜变量技术的SPA算法应用于NIR波长筛选[J].光谱学与光谱分析.2018
[4].倪力军,韩明月,张立国,栾绍嵘.基于稳定一致波长筛选的无标样近红外光谱模型传递方法[J].分析化学.2018
[5].梁瑜.基于吸光度的波长筛选方法用于近红外光谱定量模型的优化[J].电子测试.2016
[6].于雷,洪永胜,周勇,朱强,徐良.高光谱估算土壤有机质含量的波长变量筛选方法[J].农业工程学报.2016
[7].贺文钦,严文娟,贺国权,杨增宝,谭勇.无创血液成分检测中基于VIP分析的波长筛选[J].光谱学与光谱分析.2016
[8].李林,赵明明,王竹,彭帆,朱德海.东亚飞蝗光谱特征波长筛选与龄期识别方法研究[J].农业机械学报.2016
[9].贺文钦.动态光谱数据质量评估及波长筛选新方法[D].天津大学.2015
[10].胡晓男,彭云发,罗华平,罗雪宁,詹映.无信息变量消除法在筛选南疆红枣总酸近红外特征波长中的应用[J].食品工业.2015