化学模式识别和多维校正方法及其在复杂体系分析中地应用研究

《化学模式识别和多维校正方法及其在复杂体系分析中地应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、j■一j，ChemicalPatternRecognitionandMulti—wayCalibrationMethodologiesandTheirApplicationstoComplexSystemAnalysisbyFuHaiyanB．S．(HunanUniversity)2005AdissertationsubmittedinpartialsatisfactionoftheRequirementsforthedegreeofDoctorofScienceAnalyticalChemistryintheGradua

2、teSchoolofHunanUniversitySupervisorProfessorWuHailongNovembeL2010㈨5iiiii■■_㈣8川8㈣0川9iiii■■IⅢY湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：村；每热日期：&。勿年／a月fEl学

3、位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“／”)作者签名：衬海燕，日期：O)DfD年／C)月f日翩签名：勃b郁日期：洲。年／夕月J日博’1：学位论文摘要随着现代科学技术的飞速发展，大量新型多通道高

4、阶分析仪器相继问世，以及应用体系日益复杂化，分析化学工作者面对的不再是进行简单的标量或矢量响应数据分析，而是成千上万个数据点组成的基于阵列基础之上的二维、三维甚至四维的化学数据阵分析。这些庞大的数据阵中不仅包含了丰富的有用化学信息，也包含了一些干扰组分响应、背景响应、仪器噪音等，化学计量学理论和方法的不断发展为从这些复杂的数据中提取有用化学信息提供了各种有效的解决方法。化学计量学理论体系中的化学模式识别和多维校正方法是解析这些复杂数据信息的非常重要的两个研究领域，本论文通过对这两个领域的热点和难点的追踪研究，选取了其中几个

5、重要的问题进行方法探索和应用研究，内容主要涉及以下几个方面：1化学模式识别方法与中药近红外光谱的质量控制研究(第二章．第三章)中药材原料质量除了与是否存在掺杂使假的真伪优劣有关之外，其质量特征和药效还与它们的地理区域性密切相关。另外，对于复方中药的质量除了与所采用的中药材原料用药密切相关，还与市场上各个厂家的生产加工用药和工艺流程相关。因此，中药材的真伪优劣、不同道地性药材以及不同厂家的复方中药的判别对中药质量控制和有效监督市场行为具有重要的现实意义。本文通过利用近红外漫反射技术采集不同质量类属的牛黄样品以及不同厂家的复方

6、中药六味地黄丸的近红外红光谱，提出了一种移动窗口偏最小二乘判别分析(MWPLSDA)模式识别方法对这些不同类属的牛黄样品或六味地黄丸样品的近红外光谱数据进行表征和信息提取，相比传统的主成分分析(PCA)、线性判别分析(LDA)、偏最小二乘判别分析(PLSDA)模式识别方法，该方法通过剔除与分类无关以及干扰分类的无用信息变量的影响，能更有效地处理近红外光谱指纹信息中的非线性和复共线性等复杂的相关关系，从而有助于更好地从差异微小的指纹分类信息中提取出能反映中药材牛黄样本真伪、道地性差别和复方中药六昧地黄丸样本厂家来源的判别隐变

7、量，给出更好的模式识别效果。该方法简单快速而又切实可行，可望推广用于判别市面各种中药真伪、产地归属、质量类别等。2一阶校正新算法研究与多元光谱数据分析(第四章)最小二乘支持向量机(LS—SVM)以其优越的性能在对多元光谱的二维数据分析的一阶校正建模中得到越来越广泛的应用，但它的性能在很大的程度上还依赖于数据集分布的均一性和模型误差的同质性，这也是一阶校正算法中存在的普II化学模式识别和多维校正方法及其在复杂体系分析中的应用研究遍性问题。因此，对一阶校正建模中的训练集样品的代表性和最优化样品加权问题进行研究将关系到这类模型的

8、迸一步推广应用。但是，由于在多元光谱分析中样品光谱空间的多维性和复杂性以及样品选取过程中的不确定性，使得准确估计训练集样品在整个样品空间的代表性尚存在一定困难。传统的多元校正模型大多根据经验方法选择代表性样品，在某些不利的情况下可能会影响校正模型对新样品的预测性能。为解决以上问题，同时考虑到样品的代表性