本站原创
摘要：尽管基于现代近红外光谱(NIRS)技术的茶叶品质浅析探讨已经取得了一定的进展,然而,很多方面仍需要改善,如：测量的精确度还有限,在定量浅析时,并未考虑到样品量的大小对结果的影响,很大程度上降低了量测的准确度；样品成分测定仍仅限于单组分的测定；在剖析获得的近红外光谱数据时,传统的计量学策略效果并不是最佳等。针对茶叶品质浅析的这种近况,本论文开展了如下两个方面的工作：(1)结合基于镱为内标的近红外光谱(NIRS)技术和多变量校正技术,用于实现茶叶品质(茶多酚和游离氨基酸的含量)的定量浅析,稀土元素镱作为内标,用于校正基于粉末样品测量历程中,由于样品量的不一致导致的光谱变化。推进(boosting)技术被引入用于提升最小二乘-支持向量回归(LS-SVR)策略的性能,进展一种新型多变量建模算法——推进最小二乘-支持向量回归(BLS-SVR),用于实现多变量建模任务。结果表明,基于镱为内标的近红外光谱(NIRS)结合推进最小二乘-支持向量回归(BLS-SVR)策略给出了令人满意的结果,能实现茶叶品质的准确、快速和低成本的浅析。而且,引入推进(boosting)技术大大增强了最小二乘-支持向量回归(LS-SVR)策略的建模性能,同时,推进最小二乘-支持向量回归(BLS-SVR)也优于传统的偏最小二乘回归(PLSR)。(2)结合推进(boosting)技术和偏最小二乘-判别浅析(partial least square-discriminant analysis,PLS-DA)技术,进展了一种新型的方式识别技术,即推进偏最小二乘-判别浅析(boosting partial least square-discriminant analysis,BPLS-DA)技术。该策略首先在原始训练集的不同加权版本的基础上构建一系列偏最小二乘-判别浅析(PLS-DA)模型,然后通过加权多数来组合这一系列构建的模型的预测结果。结合现代近红外光谱(NIRS)技术,和推进偏最小二乘-判别浅析(BPLS-DA),对不同品牌的茶叶进行定性浅析。同时,为了证实BPLS-DA这种新型方式识别策略的优势,在探讨中也采取了三种常用的经典策略,即主成分浅析(principal componentanalysis,PCA)、线性判别浅析(pnear discriminant analysis,LDA)和偏最小二乘一判别浅析(PLS-DA)。数据结果表明：利用近红外光谱(NIRS),结合推进偏最小二乘-判别浅析(BPLS-DA)策略能快速、准确地实现茶叶品牌识别。而且,推进(boosting)技术的引入大大改善了单个偏最小二乘-判别浅析(PLS-DA)的模型能力。此外,BPLS-DA是一种优于LDA的方式识别策略。关键词：化学计量学论文推进论文推进最小二乘-支持向量回归论文推进偏最小二乘判别浅析论文近红外光谱论文镱论文茶叶品质浅析论文
摘要5-7
Abstract7-11
第1章 绪论11-22
1.1 茶叶品质浅析11
1.2 现代近红外光谱浅析技术11-13
1.3 多元校正13-14
1.4 支持向量机14-15
1.5 推进15-16
1.6 本论文的立题思想和主要探讨内容16-18