排序方式: 共有15条查询结果,搜索用时 46 毫秒
1.
PLS-ANN分析血浆自体荧光光谱的二阶导数光谱识别胃癌 总被引:1,自引:0,他引:1
探讨偏最小二乘法结合神经网络法(简称PLS-ANN)分析血浆自体荧光光谱的二阶导数光谱识别胃癌的优势,对20例胃癌病人和23例健康人血浆进行以405nm为激发光的自体荧光光谱检测,采用PLS-ANN法分别对血浆自体荧光光谱和二阶导数光谱进行判别分析。PLS-ANN分析血浆的自体荧光光谱法诊断胃癌的灵敏度为75%,特异度为83%,准确率为79%,PLS-ANN分析血浆的二阶导数光谱法诊断胃癌的灵敏度为90%,特异度为96%,准确率为93%。结果表明PLS-ANN分析血浆的二阶导数光谱法识别胃癌,优于PLS-ANN分析血浆的自体荧光光谱法,有望成为快速识别胃癌的较理想方法。 相似文献
2.
应用高光谱遥感数据估算土壤表层水分的研究 总被引:8,自引:0,他引:8
土壤水分是土壤的重要组成部分,它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色,寻求快速而准确的方法估算土壤水分具有重要意义。通常,从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时,土壤水分的增加使土壤光谱反射率在整个波长范围内降低,尤其在760nm,970nm,1190nm,1450nm,1940nm和2950nm等水分吸收波段,而在土壤水分含量较高时,土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上,虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的,但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难,这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法,微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测,探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R),反射率倒数的对数(log(1/R)),反射率的一阶微分光谱(dR/dλ),反射率倒数的对数的一阶微分光谱(d(log(1/R))/dλ))与土壤表层水分之间的关系在本文中得到分析,R与log(1/R)对于不同土壤类型与土壤表层水分都很敏感,说明通过R与log(1/R)反演土壤表层水分受土壤类型的影响很大,而dR/dλ,d(log(1/R))/dλ)对土壤类型却不敏感,对土壤表层水分较为敏感,说明dR/dλ和d(log(1/R))/dλ)对于反演不同类型土壤具有很大的潜力,微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型,并其他9种土壤(各具有4个土壤水分)的数据进行验证模型,结果表明,dR/dλ和d(log(1/R))/dλ)能够显著提高R与log(1/R)对于不同土壤类型土壤表层水分的反演精度,由于吸收过程是非线性的,在四种类型的土壤光谱数据中,总体来说,d(log(1/R))/dλ)具有最好的能力预测不同类型土壤的表层水分含量。 相似文献
3.
利用偏最小二乘法回归的多变量校正方式,建立了应用近红外反射光谱学方法无损快速测定各种地质样品中有机质的模型.设计了多重散射光校正、标准正常变量转换及导数光谱,扣除额外基线和重叠信号的影响,分离出与有机质含量有关的光谱信息.大多数地质样品的有机质近红外反射光谱估算结果与化学法符合. 相似文献
4.
5.
卢霞 《测绘科学技术学报》2011,28(3):199-203,207
以沿海滩涂大米草为研究对象,测试其叶片水平的反射光谱和叶绿素含量;基于反射光谱提取多变量和单变量参数,并分析其与叶绿素含量的相关性;应用线性回归和非线性模拟的方法构建大米草叶绿素含量的高光谱估算模型.结果表明:叶绿素a,b和(a+b)含量与487 nm的导数光谱相关系数最高,分别为-0.615,-0.572和-0.61... 相似文献
6.
7.
8.
珠江口水体叶绿素a浓度高光谱反演研究 总被引:2,自引:0,他引:2
对珠江口水体进行了现场光谱测量和同步的水质采样分析,发现695nm处的一阶导数光谱数据对叶绿素a浓度有很好的指示作用,由此建立了基于695nm处一阶导数光谱数据的叶绿素a浓度的线性模式、二次多项式模式、三次多项式模式和指数模式。两次实验的结果表明:指数模式的R2(确定系数)为0.7584,预测平均相对误差为26.7239,是估算珠江口水体叶绿素a的最佳的模式。 相似文献
9.
以三亚湾泰莱藻为例, 对海草光谱特征进行分析。结果表明, 450—780nm是海草光谱主要敏感波段, 其波段内的导数光谱是海草叶面积大小序列辨别的有效依据。一阶导数获得的红边与叶片叶绿素a浓度密切相关。 海草在625nm、675nm 两处出现明显的导数特征峰, 两峰峰值相差较大; 其优势特征峰分布在550nm、700nm、750—780nm。实际应用中, 此特征可作为海草底质分类的识别条件, 与海草覆盖率和光谱特征的关系相结合, 可对大量的遥感数据进行识别, 从而达到大尺度遥感监测海草分布和动态变化的目的。 相似文献
10.