基于化学计量学方法和FT-IR光谱的橄榄油品质分析

摘要

本文采用傅里叶变换红外光谱（FT-IR）对橄榄油掺假样品进行定性和定量的分析。对海量的光谱数据进行分类和定量分析，为准确、快速发现有用信息，需要对变量进行筛选或降维处理。本文提出了几种变量处理方法，并结合分类、定量方法来进行橄榄油掺假分析。论文包括以下内容：
　　1、介绍了橄榄油品质分析的意义，简单介绍了几种常用的食用油品质分析方法，包括化学方法和化学计量学算法，并着重介绍了傅里叶变换红外光谱技术。
　　2、提出了基于粒子群优化算法的模糊C均值分类算法，可以同时进行分类和半定量分析，并建立了新的目标函数评价算法结果。算法首先使用适应度得分进行变量筛选，接着用粒子群算法来更新类中心，然后计算各个样本的隶属度，通过隶属度同时对测试样本进行分类和半定量。结果表明改进的模糊C均值算法简单、快速、有效。
　　3、应用有监督的局部线性嵌入（SLLE）结合近核分类法（NCC）来检测橄榄油掺假问题，同时用偏最小二乘法（PLS）进行定量分析。为了检测SLLE在高维光谱数据中的性能，与主成分分析法（PCA）和局部线性嵌入（LLE）进行了对比。结果表明，SLLE的数据处理能力要明显优于LLE和PCA，能更准确、快速的发现对模式识别有用的信息，得出了较好的分类效果。
　　4、提出了基于粒子群优化算法（PSO）的高斯混合模型（GMM）和高斯混合回归（GMR）模型（GMMRPSO）用于橄榄油品质分析。传统的高斯混合模型参数由期望最大化（EM）得到，存在局部最优等问题。针对EM自身的局限性，采用PSO确定GMM和GMR中的最优参数。为了减少计算量，核主成分分析法（KPCA）用于数据降维，同时用PCA和LLE进行了对比。结果表明， KPCA结合GMMRPSO算法给出了令人满意的分类和定量结果，是一种有效的掺假样品分析方法。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 引言

1.2 橄榄油品质分析方法

1.3 傅里叶变换红外光谱技术

1.4 本论文研究内容

参考文献

2 FT-IR光谱结合PSO改进的模糊C均值算法来分类和半定量花生油掺杂的橄榄油

2.1 引言

2.2 方法

2.3 实验部分

2.4 结果和讨论

参考文献

3 基于局部线性嵌入和FT-IR光谱的橄油品质分析

3.1 引言

3.2 方法

3.3 实验部分

3.4 结果与讨论

参考文献

4 基于粒子群优化算法改进的高斯混合模型和高斯混合回归用于橄榄油品质分析

4.1 引言

4.2 方法

4.3 实验部分

4.4 结果与讨论

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果