分子光谱自动检索算法、策略与应用进展 - 分析化学.pdf

第42 卷 分析化学 (FENXI HUAXUE)　 评述与进展 第9 期 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 2014 年9 月 Chinese Journal of Analytical Chemistry 1379 ~1386 DOI:10.11895/j.issn.0253-3820.140410 分子光谱自动检索算法、策略与应用进展 ∗ 褚小立 　 李敬岩　 陈瀑　 许育鹏 (石油化工科学研究院,北京 100083) 摘　 要　 近些年,基于分子光谱(紫外、红外、近红外、拉曼和荧光等)分析技术建立了诸多复杂混合物质的光 谱数据库(例如土壤、饲料、物证检材、药物和油品等),这些分子光谱库在现代工农业生产中日益发挥着重要 的作用,其中光谱检索方法是充分利用这些光谱数据库的关键手段之一。 本文系统综述了用于分子光谱自动 检索的算法、策略和应用进展,并提出了需要注意和进一步研究的科学和技术问题。 关键词　 分子光谱;光谱检索算法;相关系数;夹角余弦;移动窗口;综述 1　 引　 言 近些年,随着仪器制造水平的不断提高和化学计量学方法的普及,分子光谱分析技术,尤其是红外、 近红外和拉曼光谱,因其具有测试方便、速度快、信息丰富、可现场使用等特点,在许多领域的定性分析 中都得到了广泛应用。 利用模式识别方法,分子光谱可以对复杂体系(例如石油、谷物、果品和药物等) [1] 的样本进行聚类或识别分析 。 [2] 如图1所示,在化学计量学中,用于分子光谱分析的现代模式识别方法包括三大类 :(1)无监督 的方法,如主成分分析、系统聚类方法、K-均值聚类方法和自组织神经网络等;(2)有监督的方法,如线 性判别分析(Linear discriminant analysis,LDA)、软独立建模分类法(Soft independent modeling of class analogy,SIMCA)、判别偏最小二乘法(Discriminant partial least squares,DPLS)和支持向量机(Support vector machine,SVM)等;上述两类方法都是基于样本的类别进行定性分析的,即每类别中必须包含多 个典型的样本,当有新样本添加到数据库时,需要对识别模型重新进行校正。 (3)光谱检索方法,如相 关系数、夹角余弦、欧氏距离和光谱信息散度等,这类算法根据待测样本的光谱,从已建的光谱库中检索 出与待测样本最相近的一个或多个样本,从而实现定性甚至定量分析。 前期的光谱检索方法多用于纯化合物的光谱识别,例如Sadtler 和Aldrich 红外光谱数据库。 近些 年,在多个领域(例如土壤、饲料、物证检材、药物和油品等)逐步建立了现代复杂混合体系的分子光谱 [3~5] [6] 数据库 ,光谱检索算法越来越受到关注 ,出现了一些新的检索算法和检索策略,光谱检索的准确 性和可靠性得到了显著的提高。 与无监督和有监督的模式识别方法相比,光谱检索方法具有操作简便、 信息直观和库维护方便等诸多优点,在实际应用中发挥着重要的作用。 本文对这些新的或改进的分子 光谱检索算法、策略及其应用进展进行综述,并提出了需要注意和进一步研究的科学和技术问题。 2　 光谱检索基本算法 光谱检索的目标是,对于待测样本的光谱x,基于一定的算法和规则,从光谱库R 中找出与x 最相 近的一个或多个样本,如果光谱库中有已知的性质值 Y,则可对待测样本的性质值进行定量预测分析。 × 其中,x 代表待测样本的光谱,其为 1 m 向量,m 为波长点数;R 代表光谱库中的所有光谱,其