期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于近红外光谱的橄榄油品质鉴别方法研究 被引量：5
1
作者 刘国海 韩蔚强 江辉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2016年第9期2798-2801,共4页
目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄... 目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.2355%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。 展开更多
关键词 近红外光谱 橄榄油 联合区间偏最小二乘法 迭代保留信息变量 主成分分析
下载PDF
基于特征变量优选策略的土壤重金属含量X荧光光谱检测
2
作者 陆旻波 《长江信息通信》 2022年第5期5-7,共3页
建立土壤重金属含量的X射线荧光(X-ray Fluorescence, XRF)定量模型,为土壤重金属快速测量提供方法。采集87个土壤样品的光谱信号,通过BOSS算法建立土壤重金属含量的BOSS-PLS预测模型,在此基础上为进一步优化模型,使用ICO算法对光谱进... 建立土壤重金属含量的X射线荧光(X-ray Fluorescence, XRF)定量模型,为土壤重金属快速测量提供方法。采集87个土壤样品的光谱信号,通过BOSS算法建立土壤重金属含量的BOSS-PLS预测模型,在此基础上为进一步优化模型,使用ICO算法对光谱进行变量筛选,保留强信息变量与弱信息变量,建立ICO-BOSS-PLS模型,并与常规波长选择算法建立的预测模型进行对比分析。结果表明,ICO-BOSS-PLS模型的预测结果要优于常规波长选择算法的建模,其中,ICO-BOSS-PLS模型预测的结果,其重金属的相关系数R2达到0.97以上,均方根误差达到25。综上,使用ICO-BOSS-PLS建模是一种有效的XRF光谱定量建模方法,为土壤重金属快速检测模型的建立提供了一定的技术支持。 展开更多
关键词 土壤重金属 XRF ICO BOOS PLS
下载PDF
基于高光谱和CARS-IRIV算法的‘库尔勒香梨’可溶性固形物含量检测 被引量：12
3
作者 梁琨 刘全祥 +1 位作者 潘磊庆 沈明霞 《南京农业大学学报》 CAS CSCD 北大核心 2018年第4期760-766,共7页
[目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度。本文旨在探究对高光谱数据特征变量筛选的有效方法来实... [目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度。本文旨在探究对高光谱数据特征变量筛选的有效方法来实现‘库尔勒香梨’可溶性固形物含量的快速检测。[方法]以‘库尔勒香梨’可溶性固形物含量(SSC)为研究指标,利用高光谱成像技术采集样本400~1 000 nm波长的漫反射光谱,对样本感兴趣区域(ROI)的光谱进行预处理,分别采用竞争性自适应重加权算法(CARS)、迭代保留信息变量算法(IRIV)以及CARS-IRIV算法筛选特征变量,基于不同筛选方法分别建立偏最小二乘(PLS)与最小二乘支持向量机(LS-SVM)预测模型,以预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测相对分析误差(RPD)值对模型进行评价。[结果]CARS-IRIV算法可以有效减少CARS算法提取的变量个数,并稳定模型预测精度。LS-SVM模型预测结果优于PLS模型,在LS-SVM模型中CARS-IRIV-LS-SVM预测精度最高,Rp、RMSEP和RPD值分别为0.889、0.300和2.823。[结论]CARS-IRIV是一种有效的高光谱特征变量筛选算法,在提高预测精度的同时简化了模型的运算,CARS-IRIV-LS-SVM模型结合高光谱成像技术可以对‘库尔勒香梨’SSC进行快速有效的无损检测。 展开更多
关键词 高光谱成像技术 库尔勒香梨 可溶性固形物 竞争性自适应重加权算法 迭代保留信息变量算法
下载PDF
基于TRIZ的蓝莓病害检测方法
4
作者 田有文 何宽 +2 位作者 姜凤利 乔世成 宋士媛 《沈阳农业大学学报》 CAS CSCD 北大核心 2020年第5期619-625,共7页
为克服蓝莓采后人工分拣的弊端,提升蓝莓自动分拣的水平,提出利用TRIZ理论中发明原理,构建物质—场模型,结合高光谱成像技术应用物理效应和现象研究一种蓝莓病害的无损检测方法。首先应用TRIZ理论中机械系统替代原理利用高光谱成像系统... 为克服蓝莓采后人工分拣的弊端,提升蓝莓自动分拣的水平,提出利用TRIZ理论中发明原理,构建物质—场模型,结合高光谱成像技术应用物理效应和现象研究一种蓝莓病害的无损检测方法。首先应用TRIZ理论中机械系统替代原理利用高光谱成像系统获取蓝莓高光谱图像、物理参数改变原理提出了基于光谱数据分割蓝莓图像的光谱信息分割法SIS。通过与传统的阈值分割方法对比分析可知,SIS分割法更能准确分割出蓝莓及其病害区域。通过分析蓝莓病害区域与正常区域的光谱曲线的差异,将全波段光谱分成可见光第一区域波段(500~760nm)和近红外第二区域波段(760~1000nm),应用TRIZ理论中组合原理将特征波段提取IRIV法与CARS法结合为CARS-IRIV法提取出第一区域与第二区域组合的7个特征波长(500,522,701,828,857,893,969nm)。最后将不同区域的特征波长对应的光谱反射率以及两个区域特征波长结合对应的光谱反射率作为径向基神经网络RBF模型的输入矢量建立蓝莓病害检测模型。试验结果表明第一区域与第二区域组合提取的特征波长对应的光谱反射率作为RBF模型的输入矢量检测蓝莓病害结果最好,正确检测率达到87%以上。试验结果说明基于TRIZ理论提出的SIS-CARS-IRIV-RBF模型能够更有效地检测蓝莓腐烂病害,可为蓝莓在线实时分拣、提高蓝莓行业自动化水平和生产效益提供一定的理论基础和技术支撑。 展开更多
关键词 TRIZ理论 蓝莓病害 高光谱成像 SIS分割 CARS-iriv
下载PDF
免疫增强性重建流感病毒体在疫苗研究中的应用
5
作者 郑玉姝 刘红亮 赵朴 《中国生物制品学杂志》 CAS CSCD 2009年第8期838-840,共3页
免疫增强性重建流感病毒体(IRIV)是重建的流感病毒囊膜,其保持了由病毒囊膜糖蛋白血凝素介导的天然病毒的细胞结合及膜融合特性,但缺乏病毒遗传物质。越来越多的证据表明,IRIV可作为佐剂、流感疫苗及抗原呈递载体,在疫苗的研究中发挥重... 免疫增强性重建流感病毒体(IRIV)是重建的流感病毒囊膜,其保持了由病毒囊膜糖蛋白血凝素介导的天然病毒的细胞结合及膜融合特性,但缺乏病毒遗传物质。越来越多的证据表明,IRIV可作为佐剂、流感疫苗及抗原呈递载体,在疫苗的研究中发挥重要作用。本文就IRIV作为佐剂、流感疫苗和抗原呈递载体的应用进展作一综述。 展开更多
关键词 免疫增强性重建流感病毒体 佐剂 流感疫苗 抗原呈递 载体
原文传递
有效呈递系统——免疫增强重建流感病毒体
6
作者 魏刚才 赵朴 +1 位作者 郑玉姝 常新耀 《生物技术通报》 CAS CSCD 北大核心 2009年第5期18-20,共3页
免疫增强重建流感病毒体(IRIV)是重建的流感病毒囊膜,保持由病毒囊膜糖蛋白血凝素介导的细胞结合和膜融合特性,但缺乏病毒遗传物质。在IRIV重建的过程中,外源大分子包括蛋白质抗原、DNA/RNA和多糖能包被入IRIV。因此,一旦由细胞通过受... 免疫增强重建流感病毒体(IRIV)是重建的流感病毒囊膜,保持由病毒囊膜糖蛋白血凝素介导的细胞结合和膜融合特性,但缺乏病毒遗传物质。在IRIV重建的过程中,外源大分子包括蛋白质抗原、DNA/RNA和多糖能包被入IRIV。因此,一旦由细胞通过受体介导的内吞作用摄取,IRIV就能将其内含物递送入胞质溶胶。重点综述IRIV作为呈递系统在疫苗和基因治疗中的应用。 展开更多
关键词 免疫增强重建流感病毒体 呈递系统 疫苗 基因治疗
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部