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
87 浏览量
更新于2024-08-27
收藏 7.42MB PDF 举报
"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。
2019-08-22 上传
2021-02-11 上传
2021-02-08 上传
2022-09-14 上传
2021-06-02 上传
2021-05-26 上传
2021-03-19 上传
weixin_38704701
- 粉丝: 8
- 资源: 981
最新资源
- SSM动力电池数据管理系统源码及数据库详解
- R语言桑基图绘制与SCI图输入文件代码分析
- Linux下Sakagari Hurricane翻译工作:cpktools的使用教程
- prettybench: 让 Go 基准测试结果更易读
- Python官方文档查询库,提升开发效率与时间节约
- 基于Django的Python就业系统毕设源码
- 高并发下的SpringBoot与Nginx+Redis会话共享解决方案
- 构建问答游戏:Node.js与Express.js实战教程
- MATLAB在旅行商问题中的应用与优化方法研究
- OMAPL138 DSP平台UPP接口编程实践
- 杰克逊维尔非营利地基工程的VMS项目介绍
- 宠物猫企业网站模板PHP源码下载
- 52简易计算器源码解析与下载指南
- 探索Node.js v6.2.1 - 事件驱动的高性能Web服务器环境
- 找回WinSCP密码的神器:winscppasswd工具介绍
- xctools:解析Xcode命令行工具输出的Ruby库