移动窗口双相关系数法在可见近红外光谱判别分析中的应用

"Moving-window bis-correlation coefficients方法在可见光和近红外光谱歧视分析中的应用" 这篇论文介绍了一种名为“移动窗口双相关系数（Moving-Window Bis-correlation Coefficients，MW-BiCC）”的新方法，该方法应用于利用可见光和近红外（Vis-NIR）光谱对转基因甘蔗叶片和地中海贫血症（-thalassemia）进行歧视分析。研究中对比了MW-BiCC方法与表现良好的移动窗口主成分分析线性判别分析（MW-PCA-LDA）。 MW-BiCC方法的核心在于其移动窗口技术，这种技术允许研究人员在光谱数据的不同局部区间内计算相关系数，以捕捉光谱特征的变化。通过这种方式，MW-BiCC能够更好地识别和区分不同类型的样本，例如转基因和非转基因甘蔗叶片，以及地中海贫血的病患和正常人。这种方法的优越性在于其灵活性，可以适应光谱数据的复杂性和多样性。 论文中收集了306份转基因（阳性）甘蔗叶样本和150份非转基因（阴性）样本，这些样本被分为校正、预测和验证三个组别。利用Savitzky-Golay（SG）平滑法处理了离散反射光谱，以消除噪声和提高数据质量。SG平滑是一种常用的数据预处理技术，能有效地平滑曲线而不改变其峰的位置和形状。 通过MW-BiCC和MW-PCA-LDA的对比，研究者能够评估两种方法在歧视分析中的效果。MW-PCA-LDA是基于主成分分析（PCA）的常见歧视工具，通过降维和线性变换来区分样本。然而，MW-BiCC可能提供更精确的分类结果，因为它能够考虑光谱数据的空间相关性。 这项工作对于生物工程、光学光纤传感和通信等领域具有重要意义，因为它展示了如何利用Vis-NIR光谱和高级数据分析技术来改进生物样品的分类和诊断。同时，这也为未来的生物标志物发现、疾病早期检测和植物遗传学研究提供了新的思路和方法。通过对光谱数据的深入挖掘，MW-BiCC方法有望成为一种强大的工具，用于解决复杂的生物和非生物样本区分问题。