24452.基于化學計量學方法和ftir光譜的食用油品質(zhì)分析

1、AthesisSubmittedtoZhengzhouUniversityforthedegreeofMasterQualityAnalysisofEdibleOilbyChemometricsMethodsandFTIRSpectraBy：HaixiaRenSupervisor：ProfQiShenAnalyticalChemistryCollegeofChemistryandMolecularEngineeringMay2014摘要

2、摘要本論文介紹了幾種化學計量學方法結(jié)合傅里葉變換紅外光譜(FTIR)數(shù)據(jù)對食用油種類進行鑒別并對摻雜情況進行分析的方法。針對傳統(tǒng)算法本身存在的局限性，本文分別提出了相應(yīng)的解決途徑，進而提高算法效率，改進對食用油的分析結(jié)果。1、介紹了食用油品質(zhì)分析的意義，簡單介紹了食用油品質(zhì)分析的各種方法，包括化學方法和常用的化學計量學算法，對使用的傅里葉變換紅外光譜技術(shù)進行了簡單的介紹。2、提出了基于混合粒子群優(yōu)化算法的K均值聚類法。使用改進的離散型粒

3、子群優(yōu)化來篩選變量，同時用連續(xù)型粒子群算法來更新類中心，然后使用最近類中心法對測試樣本進行分類。該算法用來辨別分析5種食用油的傅里葉轉(zhuǎn)換紅外光譜。作為對比，還應(yīng)用普通的K均值聚類法、主成分分析和偏最d乘辨別這些食用油樣本。結(jié)果表明該算法是一種準確、快速的鑒別食用油種類的方法。3、提出了基于適應(yīng)度得分篩選變量的改進高斯混合模型(GMM)和高斯混合回歸(GMR)。該方法對純花生油與摻雜花生油樣本的FTIR數(shù)據(jù)進行分類和摻雜含量的定量分析。文

4、中還應(yīng)用主成分分析進行特征抽取的GMM和GMR、支持向量機(SVM)、線性判別分析(LDA)、反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP砧州)、最近鄰分類法(NC)和偏最小二乘(PLS)進行對比分析。結(jié)果表明改進后的算法優(yōu)于對比算法。4、高斯混合模型中的參數(shù)估計通常由期望最大化(EM)算法得到。針對EM本身的局限性，提出用人工蜂群算法(ABC)尋找高斯混合模型和高斯混合回歸中的最優(yōu)參數(shù)。為了改進優(yōu)化性能并減少人工蜂群算法中的計算量，全局最優(yōu)值的信息共享