论文部分内容阅读
本论文介绍了几种化学计量学方法结合傅里叶变换红外光谱（FT-IR）数据对食用油种类进行鉴别并对掺杂情况进行分析的方法。针对传统算法本身存在的局限性，本文分别提出了相应的解决途径，进而提高算法效率，改进对食用油的分析结果。1、介绍了食用油品质分析的意义，简单介绍了食用油品质分析的各种方法，包括化学方法和常用的化学计量学算法，对使用的傅里叶变换红外光谱技术进行了简单的介绍。2、提出了基于混合粒子群优化算法的K均值聚类法。使用改进的离散型粒子群优化来筛选变量，同时用连续型粒子群算法来更新类中心，然后使用最近类中心法对测试样本进行分类。该算法用来辨别分析5种食用油的傅里叶转换红外光谱。作为对比，还应用普通的K均值聚类法、主成分分析和偏最小二乘辨别这些食用油样本。结果表明该算法是一种准确、快速的鉴别食用油种类的方法。3、提出了基于适应度得分筛选变量的改进高斯混合模型（GMM）和高斯混合回归(GMR)。该方法对纯花生油与掺杂花生油样本的FT-IR数据进行分类和掺杂含量的定量分析。文中还应用主成分分析进行特征抽取的GMM和GMR、支持向量机（SVM）、线性判别分析（LDA）、反向传播人工神经网络（BP-ANN）、最近邻分类法（NC）和偏最小二乘（PLS）进行对比分析。结果表明改进后的算法优于对比算法。4、高斯混合模型中的参数估计通常由期望最大化（EM）算法得到。针对EM本身的局限性，提出用人工蜂群算法（ABC）寻找高斯混合模型和高斯混合回归中的最优参数。为了改进优化性能并减少人工蜂群算法中的计算量，全局最优值的信息共享机制被引进到人工蜂群算法中。提出的算法应用到橄榄油掺杂菜籽油的傅里叶变换红外光谱（FT-IR）定性和定量分析。结果表明该算法是一种准确、快速、稳定的鉴别和定量橄榄油的方法。