平行因子结合支持向量机对多环芳烃的荧光检测

被引：13

作者：

王书涛

吴兴

朱文浩

李明珊

机构：

[1] 燕山大学电气工程学院河北省测试计量技术及仪器重点实验室

来源：

光学学报 | 2019年 / 39卷 / 05期

关键词：

光谱学; 平行因子; 支持向量机(SVM); 多环芳烃检测;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; O657.3 [光化学分析法（光谱分析法）];

学科分类号：

摘要：

基于荧光检测机理,将平行因子与支持向量机(SVM)算法相结合,对多环芳烃中的苊、芴和萘进行检测。将荧光光谱数据预处理后作为训练集,输入到粒子群优化的SVM算法中建立分类模型;利用核一致性分析、残差平方和分析以及迭代次数分析方法确定成分数;采用得到的最佳成分数进行平行因子分解,将得到的发射载荷矩阵作为测试集输入到SVM的分类模型中,分类正确率为100%,最终得到苊、芴和萘的回收率分别为100.45%±6.25%、100.10%±6.39%和95.07%±7.46%。所用算法避免了人为操作增加的时间复杂性及主观因素造成的误差,为多环芳烃的荧光检测提供了一种新方法。

引用

页码：397 / 405

页数：9

共 21 条

[1]

支持向量机核函数的研究.[D].黄啸.苏州大学.2008, 11

[2]

Front-face fluorescence excitation-emission matrices in combination with three-way chemometrics for the discrimination and prediction of phenolic response to vineyard agronomic practices.[J].Manuel Cabrera-Bañegil;Esperanza Valdés-Sánchez;Daniel Moreno;Diego Airado-Rodríguez;Isabel Durán-Merás.Food Chemistry.2019,

[3]

Mixed kernel function support vector regression for global sensitivity analysis.[J].Kai Cheng;Zhenzhou Lu;Yuhao Wei;Yan Shi;Yicheng Zhou.Mechanical Systems and Signal Processing.2017,

[4]

Novel metal nanoparticle-enhanced fluorescence for determination of trace amounts of fluoroquinolone in aqueous solutions.[J].Sheng-Nan Yin;Ting Yao;Tun-Hua Wu;Yong Zhang;Ping Wang.Talanta.2017,

[5] Cost-based feature selection for Support Vector Machines: An application in credit scoring [J].

Maldonado, Sebastian ;

Perez, Juan ;

Bravo, Cristian .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 2017, 261 (02) :656-665

[6]

Synthesis and characterization of a molecularly imprinted polymer for the isolation of the 16 US-EPA priority polycyclic aromatic hydrocarbons (PAHs) in solution.[J].Somandla Ncube;Phumlile Kunene;Nikita T. Tavengwa;Hlanganani Tutu;Heidi Richards;Ewa Cukrowska;Luke Chimuka.Journal of Environmental Management.2017,

[7]

A review of airborne polycyclic aromatic hydrocarbons (PAHs) and their human health effects.[J].Ki-Hyun Kim;Shamin Ara Jahan;Ehsanul Kabir;Richard J.C. Brown.Environment International.2013,

[8] Choosing multiple parameters for support vector machines [J].

Chapelle, O ;

Vapnik, V ;

Bousquet, O ;

Mukherjee, S .

MACHINE LEARNING, 2002, 46 (1-3) :131-159

[9]

基于微通道系统的石油污染物荧光光谱测量研究.[D].陈至坤.燕山大学.2016, 01

[10]

石油类污染物的三维荧光光谱测量与识别方法研究.[D].杨丽丽.燕山大学.2013, 08

← 1 2 3 →