论文部分内容阅读
本文采用傅里叶变换红外光谱(FT-IR)对橄榄油掺假样品进行定性和定量的分析。对海量的光谱数据进行分类和定量分析,为准确、快速发现有用信息,需要对变量进行筛选或降维处理。本文提出了几种变量处理方法,并结合分类、定量方法来进行橄榄油掺假分析。论文包括以下内容:1、介绍了橄榄油品质分析的意义,简单介绍了几种常用的食用油品质分析方法,包括化学方法和化学计量学算法,并着重介绍了傅里叶变换红外光谱技术。2、提出了基于粒子群优化算法的模糊C均值分类算法,可以同时进行分类和半定量分析,并建立了新的目标函数评价算法结果。算法首先使用适应度得分进行变量筛选,接着用粒子群算法来更新类中心,然后计算各个样本的隶属度,通过隶属度同时对测试样本进行分类和半定量。结果表明改进的模糊C均值算法简单、快速、有效。3、应用有监督的局部线性嵌入(SLLE)结合近核分类法(NCC)来检测橄榄油掺假问题,同时用偏最小二乘法(PLS)进行定量分析。为了检测SLLE在高维光谱数据中的性能,与主成分分析法(PCA)和局部线性嵌入(LLE)进行了对比。结果表明,SLLE的数据处理能力要明显优于LLE和PCA,能更准确、快速的发现对模式识别有用的信息,得出了较好的分类效果。4、提出了基于粒子群优化算法(PSO)的高斯混合模型(GMM)和高斯混合回归(GMR)模型(GMMRPSO)用于橄榄油品质分析。传统的高斯混合模型参数由期望最大化(EM)得到,存在局部最优等问题。针对EM自身的局限性,采用PSO确定GMM和GMR中的最优参数。为了减少计算量,核主成分分析法(KPCA)用于数据降维,同时用PCA和LLE进行了对比。结果表明,KPCA结合GMMRPSO算法给出了令人满意的分类和定量结果,是一种有效的掺假样品分析方法。