多个化学成分指标烟叶样品的聚类分析研究
多个化学成分指标烟叶样品的聚类分析研究
3
陈学平 张良 郭家明 魏利 严贞
摘 要
对48个不同烟叶样品的化学成分性状按欧式距离类平均法进行聚类分析并对类间进行特征差异分析。结果表明,48个烟叶样品可以聚为4个类别,各类别化学成分的平均值和变异系数等特征数存在差异,不同类别在主要化学成分间存在显著性差异。这些结果或许可供深入开展计算机产品设计的个别环节参考。关键词:烟草 烟叶 化学成分 聚类分析
中图分类号:TS 411.1 文献标识码:A 文章编号:1004-5708(2002)04-0021-06
3陈学平,男,56岁,博士,副教授,从事生物技术及烟草遗传改良的
教学和科研工作,中国科学技术大学,合肥,230052张良,郭家明,通讯地址同第一作者魏利,沈阳卷烟厂,沈阳,严贞,合肥卷烟厂,合肥,收稿日期:2001208229
烟叶化学成分作为衡量烟叶品质的一类重要指标一直受到行业相关人员的重视,也是国标所检测的内容。然而,多年来对此类化学性状的评判大多局限于单一或个别复合指标上,也仅仅是工业利用上的一个参考[1～3]。如何对这一类指标进行综合评判,获得一个可供卷烟配方利用的判别值,一直为行业内有关人员所关注,也是进行计算机配方的工作基础。所测定的化学成分是多指标的,需要引入多元分析手段对数据进行相关的处理。
聚类分析是数理统计中研究“物以类聚”的一种方法。在数值分类方面,可归纳为两大类问题。一类是已知研究对象的分类情况,将某些未知个体正确地归属到其中某一类,这是判别分析问题;另一类问题是在没有事前分类的情况下而进行数据结构的分类,这就是聚类分析所要解决的问题。本研究采用聚类分析方法对具有不同化学成分的烟叶样品进行聚类,探索此类方法在样品分类及其工业利用上的可能性。
1 材料与方法
111 材料及其测定方法
在沈阳卷烟厂随机抽取20份烟叶材料、在中国科
学技术大学烟草研究中心随机抽取28份不同的烟叶
材料,共48份材料。所有材料均为中三,其中中国科学技术大学的材料为品种资源材料。2000～2001年在中国科学技术大学经济技术学院、合肥卷烟厂和沈阳卷烟厂进行化学成分测定,获得总糖、还原糖、总氮、蛋白质、烟碱、施木克值、总糖 烟碱、总氮 烟碱等8个单一或复合化学成分指标。所有测试标准按国标进行。112 数据处理及聚类分析方法
系统聚类分析是聚类分析中应用最广泛的一种方法[4]。凡是具有数值特征的变量和样品都可以采用系统聚类法。选择不同的距离和聚类方法可获得满意的数值分类效果。系统聚类法是把个体逐个地合并成一些子集,直至整个总体都在一个集合之内为止。系统聚类法的基本算法是将n 个样品自成一类,先计算n (n -1) 2个相似性测度,并且把具有最小测度的两个样品合并成两个元素的类,然后按照某种聚类方法计算这个类和其它n -2个样品之间的距离。这样一直持续下去。在并类过程中,每一步所做的并类(样品与样品、样品与类、类与类)都要使测度在系统中保持最小,这样每次减少一类,直至所有样品都归为一类为止。
本研究选择中心化变换进行数据标准化处理,采用欧式距离按类平均法进行聚类分析[4]。再对各类样品化学成分特征进行统计分析和差异显著性测验[5]。
2 结果分析
211 不同烟叶样品化学成分
48份烟叶样品化学成分按国标进行测定,获得各样品的总糖、还原糖、总氮、蛋白质、烟碱、施木克值、总
糖 烟碱、总氮 烟碱等性状的测定值,结果见表1。
表1 不同烟中样品的化学成分(%)
代号总糖还原糖总氮蛋白质烟碱施木克值总糖 烟碱总氮 烟碱111.009.311.9510.781.281.0208.5941.523
27.966.522.5113.821.770.5764.4971.418
37.726.272.9016.121.880.4794.1061.543
47.966.551.9310.141.770.7854.4971.090
526.0220.661.326.102.444.26610.6640.541
67.576.172.7213.753.010.5512.5150.904
78.267.122.2312.191.600.6785.1631.394
87.666.422.5813.532.390.5663.2051.079
910.259.122.7514.572.540.7044.0351.083 1018.6317.621.589.230.602.01831.0502.633 1112.4210.162.1111.181.841.1116.7501.147 1215.6814.022.5213.921.701.1269.2241.482 1310.769.112.1812.071.460.8917.3701.493 1412.0910.572.1311.901.301.0169.3001.638 1515.0410.881.9010.611.191.41812.6391.597 1614.1811.182.5614.231.620.9968.7531.580 1712.679.951.8610.061.471.2598.6191.265 1815.4712.332.238.171.261.89412.2781.770 1916.1014.102.2011.272.321.4296.9400.948 2023.7519.591.397.221.333.28917.8571.045 2125.3623.122.4913.851.591.83115.9501.566 2215.3414.012.4014.160.781.08319.6673.077 237.586.772.3413.321.210.5696.2641.934 2432.0028.781.8610.511.053.04530.4761.771 2525.7023.122.1011.361.652.26215.5761.273 2632.8529.693.2718.731.561.75421.0582.096 2716.5214.962.4514.161.071.16715.4392.290 288.928.481.8511.080.470.80518.9793.936 2912.8411.662.8814.653.080.8764.1690.935 303.002.632.7112.314.280.2440.7010.633 314.003.072.5510.664.880.3750.8200.523 3220.6516.381.788.642.312.3908.9390.771 333.632.812.4613.142.070.2761.7541.188 347.796.259.479.503.820.8202.0392.479 3520.2114.861.085.760.933.50921.7311.161 3621.5015.641.426.721.993.19910.8040.714 3722.0418.621.557.182.343.0709.4190.662 3819.8017.632.1910.111.591.95812.4531.377 3924.3722.311.397.880.753.09332.4931.853 4022.0121.012.0510.911.022.01721.5782.010 4126.2923.651.387.741.303.39720.2231.062 429.889.202.0210.521.960.9395.0411.031 437.856.092.1011.561.460.6795.3771.438 449.698.112.1111.191.830.8665.2951.153 4524.1016.021.517.062.293.41410.5240.659 4613.6611.991.425.942.712.3005.0410.524 477.334.933.049.443.070.7762.3880.990 489.598.182.3213.021.370.7377.0001.693
212 不同化学成分烟叶样品的聚类分析结果
对表1中48份烟叶样品材料进行中心化变换处理后,按欧式距离类平均法进行聚类,结果表明48份样品可以聚为4类(图1),第1类包括样品1,13,11,14,17,12,16,19,15,18,46等共11个,第2类包括样
品2,6,8,3,4,7,43,23,42,44,48,47,9,29,30,31,33,34等共18个,第3类包括样品5,32,37,36,45,38,20,41,40,21,25,35,22,27,28等共15个,第4类包括样品10,39,24,26等共4个
。
图1 48个不同化学成分烟叶样品的系统聚类
213 烟叶样品化学成分主要特征
对聚类所获得的4类样品进行统计分析,得各类样品化学成分的平均数和变异系数如表2。
为了更直观地了解这4类烟叶样品化学成分的特征,将表2数据制成图2和图3。
由图2可见,4类烟叶样品化学成分平均值差异最大的为总糖 烟碱,其次为总糖和还原糖,其它化学成分见在各类间差异较小。各类总糖和还原糖含量不
仅差异较大而且总体水平较高,其中第4类具有最高
的糖含量。
对于反应类别之内变异程度的变异系数(CV ),由于采用了标准化无量纲处理,不仅在不同类别间而且在不同化学成分间都具有可比性。图3中第3类的总氮 烟碱和第2类的总氮具有最大的变异系数,第4类除了总糖 烟碱和总氮 烟碱外,其余化学成分都具有较大的变异系数。
表2 4类烟叶样品统计参数(%)
代号
参数总糖
还原糖
总氮
蛋白质
烟碱
施木克值
总糖 烟碱
总氮 烟碱
1类(11)平均数
13.55011.2402.10010.9201.6501.3208.6901.360CV
0.1400.1520.1510.2160.2910.3300.2600.2652类(18)平均数
7.8106.5502.87012.4102.4400.6403.8301.250CV
0.3070.3510.5850.1530.4300.3120.4710.3753类(15)平均数
21.21017.8501.8009.4701.5402.51015.3201.480CV
0.2230.2320.2550.3150.4060.4120.2980.6594类
(4)
平均数
26.
96024.6002.03011.5900.9902.48028.7702.090CV
0.245
0.232
0.421
0.421
0.429
0.279
0.181
0.185
图2 4类烟叶样品化学成分平均数的分布
图3 4类烟叶样品化学成分变异系数分布
214 各类烟叶样品化学成分的差异检验
虽然上述平均数分布情况可以在一定程度上反应各类别化学成分间的差别,但由于所采用的样本尚不
足够大,存在一定的取样误差,有必要进行差异显著性检验。按T 测验方法对类别间化学成分的差异进行比较分析,结果如表3。
由表3可见,还原糖和总糖 烟碱这两个指标在各
类间的差异除了还原糖在3-4类间达到显著水平外,
其它类间均达到极显著水平。总糖和施木克值除了3-4类间不显著外,其它类间均达到极显著水平。烟碱
除了1-3和3-4类间不显著外,其它类间均达到极显著或显著水平。而总氮、蛋白质和总氮 烟碱3个性状仅仅在个别类间达到显著水平。一方面或许是类间差异本身就较小,另一方面可能是同类型中样品间这
些性状差异较大造成方差较大,导致不能达到显著水平。
表3 不同类别烟叶样品化学成分的差异显著性测验结果
化学成分1-2类1-3类1-4类2-3类2-4类3-4类总糖5.74337.6633-13.4133-13.403319.1533-5.75
T2value7.155.68-3.92-9.955.61-1.60还原糖4.6933-6.6133-13.3633-11.3033-18.0533-6.753 T2value6.28-5.56-4.62-9.41-6.23-2.22总氮-0.770.90330.071.07330.84-0.23 T2value-1.895.920.162.591.44-0.52蛋白质-1.491.45-0.672.94330.82-2.12 T2value-1.771.38-0.263.300.33-0.83烟碱-0.79330.110.66330.90331.45330.55 T2value-2.760.512.573.054.452.06施木克值0.6833-1.1933-1.1633-1.8733-1.84330.03 T2value4.87-3.40-3.13-6.90-5.260.07总糖 烟碱4.8633-6.6333-20.0833-11.4933-24.9433-13.4533 T2value6.05-4.86-7.46-9.16-9.45-4.70总氮 烟碱0.11-0.12-0.7333-0.23-0.8433-0.61 T2value0.71-0.44-3.29-0.84-3.770.89
3 讨论
311 聚类分析在利用烟草化学成分分析进行卷烟配方的潜在应用性
虽然国标中已经明确许多化学成分的标准且大部分烟厂也进行烟叶样品常规化学成分的测定,但大多数均是利用单个指标作为参考。如何综合看待这个指标目前尚未见报道。所有常规化学成分均是在烟草生长阶段所积累,经过调整、复烤、陈化等阶段转化后形成的。同样,烟叶其它品质指标也是经过上述过程的产物。同样生物体中的代谢必然存在某种内在联系,换句话说烟叶常规化学成分的变化可能与其它重要内在品质成分存在一定的关联度,通过测定常规化学成分有可能预测香气、香味等重要指标,从而指导卷烟配方。本文仅从化学成分聚类的角度把不同烟叶样品聚为不同的类别,分析这些类别间存在一些重要差别,可以为烟叶样品分类提供参考方法,为卷烟配方理论研究进行初步的探讨。而此类指标与香气、香味等重要指标间的关联度如何是决定此方法是否可以用于指导卷烟配方的关键,这将在后续研究中进一步深入。
312 聚类方法、因子取舍等有待进一步探索
聚类分析应用于烟草的研究有些报道,但大多数均是在农业上的应用[6]。本文所采用的聚类方法是欧式距离按类平均法,原始数据采用中心化转换处理。这在理论上是合理的,但是否符合卷烟工业的实际情况尚无从确证。后续工作中将与烟草企业技术人员共同对不同方法与结果的关联度进行探索,以期获得与实际最吻合的高效率分析方法。
本分析方法具有较高的敏感性,采用不同的性状指标会获得不同的结果。本文所采用的是没有经过取舍的化学成分数据,这些指标对最终的结果有的具有很大的贡献,有的可能贡献很小或不相关。这样需要对所测定的性状进行筛选,具体方法郭家明曾进行过一定的探索[7]。经过筛选并赋予一定权重后的数据再进行聚类分析可能会产生更好的效果。
参考文献
1 左天觉,朱尊权,等译.烟草的生产、生理和生物化学.上海:远东出版社,1993,431～465.
2 T so T C,Chap lin J F and A dam s J D.Si m p le co rrelati on and m ulti p le regressi on among leaf and s moke characteris2 tics of burley tobacco.Beitr T abakfo rsch Int.,1983,11
(3):141～150.
3 A kehurst B C.Tobaco(2nd Ed.).L ongm an and N ew Yo rk.1981,764～769.
4 方开泰.适用多元统计分析.上海:华东师范大学出版社, 1989,215～256.
5 马育华.田间试验和统计方法.北京:农业出版社,1982,
140～188.
6 陈学平.烤烟与晒烟种质资源农艺性状的比较分析.中国烟草学报,1992,
7 郭家明.不同类型烟草品质性状间关系的研究.合肥工业大学学报,1997,84(5):121～127.
A s tudy on the c lus te r a na lys is of48le a f2toba cco s am p le s
w ith8chem ica l com pos itions
Chen Xuep ing1 Zhang L iang1 Gu i J iam ing1 W ei L i2 Yan Zheng3
1.U n iversity of Science and T echno logy of Ch ina,H efei230052
2.Shengyang C igarette Facto ry,Shengyan
3.H efei C igarette Facto ry,H efei
A bs tra c t
Sam p les of48leaf2tobacco w ere classified based on8chem ical com po siti on s u sing the m ethod of clu ster analysis.D ifferences betw een these classes w ere tested w ith T2test.R esu lts indicated that the48leaf tobacco sam p les can be classified in to4classes and there w ere sign ifican t differences betw een classes fo r m o st charac2 ters tested.T here w ere also differences betw een classes in average value and variance coefficien t of the charac2 ters.T hese resu lts can be u sefu l fo r the study of design ing cigarette p roducts w ith com pu ter.
Key words:L eaf2tobacco Chem ical com po siti on s C lu ster analysis
饮酒对健康的危害高于吸烟
美国科学院院士、加州大学伯克利分校的K irk Sm ith教授,根据世界卫生组织发表的“2001 2002年度世界卫生报告”公布的数据,对世界不同国家和地区影响人类健康的重要因素进行了分析,论文发表在2002年10月出版的世界权威医学杂志《L ancet》上。结果表明,就全球范围来说,处前10位的对健康有害的因素分别是:营养不良(912%),不安全性行为(611%)、高血压(412%)、吸烟(410%)、饮酒(410%)、不卫生饮用水(318%)、儿童免疫不均(314%)、交通事故(219%)、高血脂(219%)、室内空气污染(218%)。
中国的情况略有不同,处前10位的对健康影响较大的因素为:饮酒(518%)、高血压(512%)、吸烟(410%)、交通事故(319%)、营养不良(312%)、职业病(218%)、室内空气污染(215%)、肥胖(212%)、低水果、蔬菜摄入(210%)、高血脂(119%)。
(赵百东 编译)
应用多元统计分析习题解答_聚类分析..-共20页
第五章 聚类分析 5.1 判别分析和聚类分析有何区别？ 答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。 5.2 试述系统聚类的基本思想。 答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。 5.3 对样品和变量进行聚类分析时， 所构造的统计量分别是什么？简要说明为什么这样构造？ 答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为 （一）闵可夫斯基距离：1/1 ()() p q q ij ik jk k d q X X ==-∑ q 取不同值，分为 （1）绝对距离（1q =） 1 (1)p ij ik jk k d X X ==-∑ （2）欧氏距离（2q =） 21/2 1 (2)() p i j i k j k k d X X ==-∑ （3）切比雪夫距离（q =∞） 1()max ij ik jk k p d X X ≤≤∞=- （二）马氏距离 （三）兰氏距离 对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。 2 1()()()ij i j i j d M -'=--X X ΣX X 11()p ik jk ij k ik jk X X d L p X X =-=+∑
烟草化学复习
一名词解释： 自由水：能够在烟叶内自由移动的水，容易从烟叶中散失，在00C以下易结冰，也能 作溶剂，烟草中的自由水主要是毛细管凝结水。 结合水：是胶体颗粒或其他亲水性物质牢牢吸附着的水，不易自由移动，不易丧失.在 00C以下不易结冰，也不能作溶剂，烟草中的结合水主要是胶体渗透作用吸附的水分和晶体潮解作用化合的水分。 烟叶吸湿性：烟叶能依据空气温湿度的变化从空气中吸收水分或向空气中散发水分的特 性。 平衡水分：烟叶的吸湿放湿性（解吸）使它在任一空气温湿度条件下含水率相应的保持 在一定的水平上.这种含水率与周围空气温湿度保持着一定的平衡关系，即烟叶表面上 水蒸气压力与周围空气中水蒸气压力相平衡时的烟叶含水率 检样：从分析对象各部分采取的少量样品 混合样：若干份等量检样混合在一群得到的烟叶样品。 平均样：从混合样中抽取一部分烟叶得到的样品。 二填空题 1烟叶水分之所以能够以各种形态存在于烟叶组织中，是由于水能够被两种作用力即毛— 细管力和氢键结合力联系着。 2结合水的量与烟叶中有机大分子的极性集团的数量有比较固定的比例关系，如每100g 蛋白质最多可结合50g水分，每100g淀粉的持水能力在30-40g之间。 3自由水能被微生物利用，结合水则不能，因此在一定条件下，烟叶是否霉烂变质，并 不决定于烟叶中水分的总含量，而仅仅决定于烟叶中自由水的含量。 4烟叶之所以具有吸湿性，是由于烟叶属于胶体毛细管多孔物质，其组织结构是具有毛— 细管的多孔体，而内含成分有胶体物质和晶体物质。 5烟叶吸湿性包括四种作用方式：表面吸附和扩散作用，毛细管凝结作用，胶体渗透 ________ 用和晶体潮解作用，其中毛细管凝结作用随温度升高而降低, 随空气相对湿度增大而增 强；其他三中作用方式均随空气温湿度增加而增强。 6烟叶平衡水分随空气相对湿度增加而增加，随空气温度升高而增加，烟叶等级越高， 平衡水分越大；在相同温湿度条件下，烟叶平衡水分部位间变化表现为：中部叶大于上 部叶大于下部叶；烟茎高于烟叶，桔黄高于柠檬黄。 7同部位烟叶平衡水分随烟叶等级提高而增加』成熟度的增加而增加，随疏松程度的增加而增加。 8决定烟叶吸湿性和平衡水分的内在因素是烟叶的化学成分和组织结构 ______ 外界因素是丄 气湿度和温度。 9烟叶水分通常有两种表达方式：绝对含水量和相对含水量，在烟草原料加工和卷烟生产中，通常采样相对含水量。 10干烟叶中的自由水主要是毛细管凝结水，其主要结合力是表面张________ ，结 合水主要包括胶体渗透作用吸附的水和晶体潮解作用化合的水，这两种结合水的主要作 用力是水-溶质氢键力。 11分析烟叶常规成分，样品粉碎时过40A筛即可，为防止烟叶中挥发性成分散失掉， 烟草烘干温度不易超过45 C,青烟杀青温度一般为105 C。 12我国烟草行业规定常压恒温干燥法测定烟叶水分的标准条件是：5-10g烟叶，100C -105 C下干燥2小时。 三选择题 烟叶水分测定方法中，挥发性成分不会损失的是（ D E ） A常压恒温干燥法B减压恒温干燥法C红外线加热法D甲苯法（蒸馏法）E卡 尔费休法 四问答题 1烟草中水分存在形态有哪些，其作用机理是什么
烟叶成分分析资料
1、近红外光谱分析技术原理 近红外(Near Infrared，NIR)光是指波长介于可见光(VIS)与中红外(MIR)区之间的电磁波，波长约为780～2526 nm。分子在近红外区的吸收主要是一些能量较近的电子和分子振动状态间的跃迁。近红外区由于频率较高，因此分子对其吸收主要是分子振动的倍频吸收与合频吸收。有机物质分子中C―H、N―H、O―H、S―H、P―H 等含氢基团振动频率的倍频与合频吸收正好落在近红外区，由于这些含氢基团的吸收频率特性在近红外区域特别强，且比较稳定，所以近红外技术比较适合分析天然产物中与这些基团有直接或间接关系的相关成分，烟草中的有机成分糖，钾、氯、总植物碱和总氮等都包含了这些基团，所以近红外技术可用作烟草中有机化学成分的含量分析。当检测光源投向烟草粉末时，将在其表面和内部产生漫反射，经检测器自动记录下该烟草样品的近红外漫反射光谱。光谱经过与事先建立的数学模型对照，即可测定出烟草中各种化学成分含量。 当烟草样品受到频率连续变化的近红外光照射时，将在其表面和内部产生漫反射。由于分子吸收了某些频率的辐射，并由其振动或转动运动引起偶极矩的净变化，产生分子振动和转动能级从基态到激发态的跃迁，使相应于这些吸收区域的反射光强度减弱。记录近红外光的漫反射光的强度与波数或波长关系曲线，就得到近红外光谱。通过化学计量学软件，获取化学成分含量与近红外光谱曲线之间的关系，建立起相应的关系模型。根据该模型，即可从近红外光谱来预测同类型烟叶的化学成分含量。 2、烟草中总糖含量与其近红外光谱呈非线性相关 陈达等结合了偏最小二乘法(PLS)和人工神经网络(ANN)，建立了一种由线性和非线性两部分组成的近红外光谱分析模型，利用该模型对20个不同品牌的烤烟中总糖含量作了预测分析，结果表明，预测准确度比单纯地线性算法和非线性算法准确度都高。 3、烟叶的品质或品性与其所含有的各种化学成分直接相关 如烟碱又称尼古丁(Nicotine)，是烟草中特有的一种生物碱，也是人们喜欢吸食烟草并且上瘾的主要因素。通常优质烟叶的烟碱含量适宜范围是1.5%～3.5%，最适含量为2%；若烟碱含量小于1%则烟气劲头不足；若大于3.5%，则劲头太强[83,84]。钾、氯、总氮含量及比例对烟叶的燃烧性、吸湿性、烟叶的颜色和持灰能力等性质有重要的影响。钾含量是烟叶燃烧性品质评价的重要指标，钾含量越高，燃烧性越好，烟草中钾的含量一般在1%～3.5%之间。氯含量是烟叶燃烧性品质评价的另一重要指标，我国烟叶的氯含量一般在0.2%～0.8%之间。氯含量越高，燃烧性越差；当氯的含量超过0.8%时，烟叶的燃烧性会受到严重影响；含量超过1%时，烟叶已经不能正常燃烧，制成的卷烟会产生严重的接火现象[85]，氯的含量过低，也会使
聚类分析原理及步骤
聚类分析原理及步骤——将未知数据按相似程度分类到不同的类或簇的过程 1》传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等。 典型使用 1》动植物分类和对基因进行分类 2》在网上进行文档归类来修复信息 3》帮助电子商务的用户了解自己的客户，向客户提供更合适的服务 主要步骤 1》数据预处理——选择数量，类型和特征的标度（（依据特征选择和抽取）特征选择选择重要的特征，特征抽取把输入的特征转化 为一个新的显著特征，它们经常被用来获取一个合适的特征集来为避免“维数 灾”进行聚类）和将孤立点移出数据（孤立点是不依附于一般数 据行为或模型的数据） 2》为衡量数据点间的相似度定义一个距离函数——既然相类似性是定义一个类的基础，那么不同数据之间在同一个特 征空间相似度的衡量对于聚类步骤是很重要的，由于特征类型和特 征标度的多样性，距离度量必须谨慎，它经常依赖于使用，例如， 通常通过定义在特征空间的距离度量来评估不同对象的相异性，很 多距离度都使用在一些不同的领域一个简单的距离度量，如 Euclidean距离，经常被用作反映不同数据间的相异性，一些有关相
似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概 念相似性，在图像聚类上，子图图像的误差更正能够被用来衡量两 个图形的相似性 3》聚类或分组——将数据对象分到不同的类中【划分方法 （划分方法一般从初始划分和最优化一个聚类标准开始，Cris p Clustering和Fuzzy Clusterin是划分方法的两个主要技术，Crisp Clustering，它的每一个数据都属于单独的类；Fuzzy Clustering，它的 每个数据可能在任何一个类中）和层次方法（基于某个标准产生一 个嵌套的划分系列，它可以度量不同类之间的相似性或一个类的可分 离性用来合并和分裂类）是聚类分析的两个主要方法，另外还有基于 密度的聚类，基于模型的聚类，基于网格的聚类】 4》评估输出——评估聚类结果的质量（它是通过一个类有效索引来 评价，，一般来说，几何性质，包括类间的分离和类内部的耦合，一般 都用来评价聚类结果的质量，类有效索引在决定类的数目时经常扮演 了一个重要角色，类有效索引的最佳值被期望从真实的类数目中获取， 一个通常的决定类数目的方法是选择一个特定的类有效索引的最佳 值，这个索引能否真实的得出类的数目是判断该索引是否有效的标准， 很多已经存在的标准对于相互分离的类数据集合都能得出很好的结 果，但是对于复杂的数据集，却通常行不通，例如，对于交叠类的集 合。） 聚类分析的主要计算方法原理及步骤划分法 1》将数据集分割成K个组（每个组至少包 含一个数据且每一个数据纪录属于且 仅属于一个分组），每个组成为一类2》通过反复迭代的方法改变分组，使得每 一次改进之后的分组方案都较前一次 好（标准就是：同一分组中的记录越近 越好，而不同分组中的纪录越远越好， 使用这个基本思想的算法有：
聚类分析实例分析题(推荐文档)
5.2酿酒葡萄的等级划分 5.2.1葡萄酒的质量分类 由问题1中我们得知，第二组评酒员的的评价结果更为可信，所以我们通过第二组评酒员对于酒的评分做出处理。我们通过excel计算出每位评酒员对每支酒的总分，然后计算出每支酒的10个分数的平均值，作为总的对于这支酒的等级评价。 通过国际酿酒工会对于葡萄酒的分级，以百分制标准评级，总共评出了六个级别（见表5）。 在问题2的计算中，我们求出了各支酒的分数，考虑到所有分数在区间[61.6，81.5]波动，以原等级表分级，结果将会很模糊，不能分得比较清晰。为此我们需要进一步细化等级。为此我们重新细化出5个等级，为了方便计算，我们还对等级进行降序数字等级（见表6）。 通过对数据的预处理，我们得到了一个新的关于葡萄酒的分级表格（见表7）：
考虑到葡萄酒的质量与酿酒葡萄间有比较之间的关系，我们将保留葡萄酒质量对于酿酒葡萄的影响，先单纯从酿酒葡萄的理化指标对酿酒葡萄进行分类，然后在通过葡萄酒质量对酿酒葡萄质量的优劣进一步进行划分。 5.2.2建立模型 在通过酿酒葡萄的理化指标对酿酒葡萄分类的过程，我们用到了聚类分析方法中的ward 最小方差法，又叫做离差平方和法。 聚类分析是研究分类问题的一种多元统计方法。所谓类，通俗地说，就是指相似元素的集合。为了将样品进行分类，就需要研究样品之间关系。这里的最小方差法的基本思想就是将一个样品看作P 维空间的一个点，并在空间的定义距离，距离较近的点归为一类；距离较远的点归为不同的类。面对现在的问题，我们不知道元素的分类，连要分成几类都不知道。现在我们将用SAS 系统里面的stepdisc 和cluster 过程完成判别分析和聚类分析，最终确定元素对象的分类问题。 建立数据阵，具体数学表示为： 1111...............m n nm X X X X X ????=?????? （5.2.1） 式中，行向量1(,...,)i i im X x x =表示第i 个样品； 列向量1(,...,)'j j nj X x x =’，表示第j 项指标。(i=1,2,…,n;j=1,2,…m) 接下来我们将要对数据进行变化，以便于我们比较和消除纲量。在此我们用了使用最广范的方法，ward 最小方差法。其中用到了类间距离来进行比较，定义为： 2||||/(1/1/)kl k l k l D X X n n =-+ （5.2.2） Ward 方法并类时总是使得并类导致的类内离差平方和增量最小。 系统聚类数的确定。在聚类分析中，系统聚类最终得到的一个聚类树，如何确定类的个数，这是一个十分困难但又必须解决的问题；因为分类本身就没有一定标准，人们可以从不同的角度给出不同的分类。在实际应用中常使用下面几种
烟草成分
香烟的成分 卷烟烟气是多种化合物组成的复杂混合物，截止1988年(据Roberts，1988Tobacco Reporter报道)已经鉴定出烟气中的化学成分已达5068种，其中1172种是烟草本身就有的，另外3896种是烟气中独有的。 烟气粒相物的主要化学成分 脂肪烃低分子量的脂肪烃大部分以气态形式存在于烟气中，烟气粒相物中脂肪烃的分子量要高一些，主要来源是烟叶中C25到C34的蜡质。有人定量分析了烟气中C12到C33的饱和烃，发现香料烟烟气粒相物中的烷烃含量高达1.56%，马里兰烟为1.12%，烤烟为 0.92%，白肋烟为0.67%。烟气中的烯烃和炔烃含量比烷烃少，约为粒相物的0.01%。 芳香烃烟气中的芳香烃以稠环芳烃居多，它们在烟叶中含量少，大部分是由纤维素、高级烷烃等烟叶成分在燃烧过程中产生的，是烟气中的主要有害成分。 萜类化合物烟叶中存在不少萜类化合物。如西柏烷类、胡萝卜素类和赖百当类都属于萜烯的衍生物。但由于这些物质的分子量较大，直接转入烟气的量很少，主要以其降解物及其衍生物的形式存在于烟气中。烟气中发现的有香叶烯、罗勒烯、α-蒎烯等单萜，是烟气的重要香味成分。 羰基化合物烟气中的羰基化合物如紫罗兰酮、大马酮、茄尼酮以及柠檬醛、香草醛等，是形成烟气香味、香气的重要成分。 酚类化合物卷烟烟气粒相物中的酚类化合物，主要有莨菪亭、绿原酸、儿茶酚、间苯二酚等，有的是烟叶中原有的，有的则是燃烧中形成的。在这些酚类化合物中以儿茶酚的含量最高。酚类化合物对卷烟的香气有一定的增强作用，但引起人们更多重视的是对人的呼吸道及其他器官有不良的刺激作用。儿茶酚等还有一定的促癌作用，是烟气中的有害物质。酚类化合物的主要来源是烟叶中的碳水化合物。 有机酸烟气中的挥发酸主要有甲酸、乙酸、丁酸、正戊酸、异戊酸、β-甲基戊酸、正己酸、异己酸等。非挥发酸主要有棕榈酸、亚麻酸、亚油酸、油酸和硬脂酸等。还有少量游离氨基酸，如丙氨酸、脯氨酸、甘氨酸等。 氮杂环化合物氮杂环化合物主要存在于烟气粒相物中的碱性部分，而碱性物中最主要的成分就是烟碱。除此之外，烟气中还有吡啶、吡咯、吡嗪、吲哚、咔唑等许多氮杂环化合物，是卷烟烟气中的重要香气物质。 N-亚硝胺烟气中的N-亚硝胺种类很多，主要有亚硝基二甲基胺、亚硝基甲基乙基胺，亚硝基吡咯烷和亚硝基哌啶等。一般认为亚硝胺具有诱发肺癌的作用。 金属元素烟草中的金属元素，燃烧后绝大部分残留在灰分中，但也有极少量(0.01%~4%)进入烟气，形式有两种，一种是游离态金属和金属无机盐，另一种是有机金属。另外，卷烟纸也是烟气中金属元素的一个来源。 烟气气相物的主要化学成分 在主流烟气的气相物中，最主要的有氮、氧、二氧化碳、一氧化碳和氢。这5种气体约占总气相物的90%，占总烟气释放量的85%左右。除此之外，还有一些其它化学成分。 挥发性烃类烟气气相物中发现的挥发性烃类，除脂肪烃以外，还有不少的挥发性芳香烃。脂肪烃中包括烷烃、烯烃、炔烃和脂环烃等。芳香烃有苯、甲苯、乙苯、对-二甲苯、联-
聚类分析原理及步骤
聚类分析原理及步骤 ——将未知数据按相似程度分类到不同的类或簇的过程 1》传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚 类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中 心点等算法的聚类分析工具已被加入到许多着名的统计分析软件包 中，如SPSS、SAS等。 典型应用 1》动植物分类和对基因进行分类 2》在网上进行文档归类来修复信息 3》帮助电子商务的用户了解自己的客户，向客户提供更合适 的服务 主要步骤 1》数据预处理——选择数量，类型和特征的标度（（依据特征 选择和抽取）特征选择选择重要的特征，特征抽取把输入的特征转化 为一个新的显着特征，它们经常被用来获取一个合适的特征集来为避 免“维数灾”进行聚类）和将孤立点移出数据（孤立点是不依附 于一般数据行为或模型的数据） 2》为衡量数据点间的相似度定义一个距离函数——既然相类似性是定义一个类的基础，那么不同数据之间在同一个特征空间相似度的衡 量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量 必须谨慎，它经常依赖于应用，例如，通常通过定义在特征空间的距离度量
来评估不同对象的相异性，很多距离度都应用在一些不同的领域一个简单的 距离度量，如Euclidean距离，经常被用作反映不同数据间的相异性，一些 有关相似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概念相 似性，在图像聚类上，子图图像的误差更正能够被用来衡量两个图形的相似 性 3》聚类或分组——将数据对象分到不同的类中【划分方法（划分 方法一般从初始划分和最优化一个聚类标准开始，Cris p Clustering和Fuzzy Clusterin是划分方法的两个主要技术，Crisp Clustering，它的每一个数据 都属于单独的类；Fuzzy Clustering，它的每个数据可能在任何一个类中）和 层次方法（基于某个标准产生一个嵌套的划分系列，它可以度量不同类之间 的相似性或一个类的可分离性用来合并和分裂类）是聚类分析的两个主要方法， 另外还有基于密度的聚类，基于模型的聚类，基于网格的聚类】4》评估输出——评估聚类结果的质量（它是通过一个类有效索引来评价，， 一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类 结果的质量，类有效索引在决定类的数目时经常扮演了一个重要角色，类有效 索引的最佳值被期望从真实的类数目中获取，一个通常的决定类数目的方法是 选择一个特定的类有效索引的最佳值，这个索引能否真实的得出类的数目是判 断该索引是否有效的标准，很多已经存在的标准对于相互分离的类数据集合都 能得出很好的结果，但是对于复杂的数据集，却通常行不通，例如，对于交叠 类的集合。） 聚类分析的主要计算方法原理及步骤 划分法 1》将数据集分割成K个组（每个组至少包含一 个数据且每一个数据纪录属于且仅属于一个 分组），每个组成为一类 2》通过反复迭代的方法改变分组，使得每一次 改进之后的分组方案都较前一次好（标准就 是：同一分组中的记录越近越好，而不同分 组中的纪录越远越好，使用这个基本思想的 算法有：K-MEANS算法、K-MEDOIDS算法、
烟草及烟草制品连续流动法测定常规化学成分测量不确定度评定
《烟草及烟草制品连续流动法测定常规化学成分测量不确定度评定指南》 编制说明 《烟草及烟草制品连续流动法测定常规化学成分测量不确定度评定指南》标准 项目组 2010年6月
《烟草及烟草制品连续流动法测定常规化学成分测量不确定度评定指南》 编制说明 一、工作简况 1.1 任务来源 《烟草及烟草制品连续流动法测定常规化学成分测量不确定度评定指南》是国家烟草专卖局国烟科〔2009〕100号文件下达的行业标准制订项目。项目目标是制订烟草行业用连续流动分析仪测定烟草及烟草制品中总植物碱、水溶性糖、总氮、氯和钾的测量不确定度的评定技术规范。 1.2 项目承担单位、协作单位及主要分工 本技术规范项目受国家烟草专卖局（中国烟草总公司）委托，由国家烟草质量监督检验中心承担，主要工作为项目总体方案的制定，样品的制备及分发，积累不确定度实验数据，实验数据的汇总及分析，技术规范文本和技术报告的撰写。 上海烟草集团公司、深圳烟草工业有限责任公司、山东中烟工业公司技术中心青岛工作站、江苏中烟工业公司徐州卷烟厂、红云红河烟草（集团）有限责任公司5家协作单位主要工作为积累不确定度实验数据，参与实验数据的分析，参与技术规范文本和技术报告的撰写。 1.3主要工作过程 1.3.12009年6月：调研，汇总分析研究各参加单位在不确定度分析方面的评定经验；评定测量不确定度的数学模型，分析研究各不确定度分量来源。 1.3.22009年7月：根据烟草行业的实际情况，确定用连续流动分析仪测定烟草及烟草制品中总植物碱、水溶性糖、总氮、氯和钾的测量不确定度样品的种类及规格，统一分发样品，完成实验环境条件的确认和玻璃仪器的计量。
聚类分析实例
k-means聚类”——数据分析、数据挖掘 一、概要 分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文介绍一种常见的聚类算法——k 均值和k 中心点聚类，最后会举一个实例：应用聚类方法试图解决一个在体育界大家颇具争议的问题——中国男足近几年在亚洲到底处于几流水平。 二、聚类问题 所谓聚类问题，就是给定一个元素集合D，其中每个元素具有n 个可观察属性，使用某种算法将D 划分成k 个子集，要求每个子集内部的元素之间相异度尽可能低，而不同子集的元素相异度尽可能高。其中每个子集叫做一个簇。 与分类不同，分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射到一个类别，而聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。目前聚类广泛应用于统计学、生物学、数据库技术和市场营销等领域，相应的算法也非常的多。本文仅介绍一种最简单的聚类算法——k 均值（k-means）算法。 三、概念介绍 区分两个概念： hard clustering：一个文档要么属于类w，要么不属于类w，即文档对确定的类w是二值的1或0。
soft clustering：一个文档可以属于类w1，同时也可以属于w2，而且文档属于一个类的值不是0或1，可以是这样的小数。 K-Means就是一种hard clustering，所谓K-means里的K就是我们要事先指定分类的个数，即K个。 k-means算法的流程如下： 1）从N个文档随机选取K个文档作为初始质心 2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类 3）重新计算已经得到的各个类的质心 4）迭代2～3步直至满足既定的条件，算法结束 在K－means算法里所有的文档都必须向量化，n个文档的质心可以认为是这n 个向量的中心，计算方法如下： 这里加入一个方差RSS的概念： RSSk的值是类k中每个文档到质心的距离，RSS是所有k个类的RSS值的和。 算法结束条件： 1）给定一个迭代次数，达到这个次数就停止，这好像不是一个好建议。
烟草化学成分分析期末复习资料
烟草化学成分分析期末复习资料 第一章绪论 一、烟草质量（综合概念）：烟草质量是一个综合概念，主要包括：外观质量、内在质量、物理特性、化学成分、安全性。 二、烟叶化学成分与烟草质量的关系 烟草化学成分的结构、性质和含量，是烟草化学研究的基础。烟草内在化学成分是烟叶品质的“内在”标准，烟叶外观特征是内在化学成分的具体体现。 （一）烟叶化学成分与外观质量的关系 1.颜色与光泽 烟叶的颜色是鉴别烟叶外观品质的重要因素之一。一般情况下，烟叶中总氮量、烟碱含量和石油醚提取物含量较高时，烟叶的颜色较深。同时，一些化学成分的变化也直接影响烟叶颜色与光泽。 （1）烟叶生长过程产生的色素。如质体色素中的叶绿素、胡萝卜素和叶黄素，这些色素在烟叶调制过程中绝大部分被分解。新鲜烟叶中色素的组成及总量随着烟草的品种类型和生长阶段的不同而变化。 （2）烟叶调制过程中形成的多酚类化合物。如芸香苷、绿原酸等在过氧化酶的作用下与蛋白质、氨基酸等反应生成的深色物质。——酶参与的棕色化反应。 （3）烟叶调制过程中形成的棕色化反应产物。美拉德反应，氨基酸与还原糖经过一系列的降解、氧化和聚合反应形成的棕色化反应。 烟叶的光泽是由烟叶表面的挥发油和树脂在调制和发酵过程中逐渐失去粘性而形成的。烟叶表面所含挥发油和树脂多，调制后叶片的色泽好、香气足、吃味佳；否则色泽灰暗、香气少、杂气重、品质差。烟叶总糖含量高，总氮、蛋白质、挥发碱含量较低，施木克值较高，则光泽鲜明；反之，光泽暗淡。 2.组织结构和厚度烟叶的组织和厚度与其类型、品种、生长环境、栽培措施、油分含量、叶位 高低和成熟程度有关。不同类型的烟叶对叶片厚度和组织结构紧松的标准也不同。烟叶中含碳与含氮化合物的含量对组织细致程度有影响，烟叶中含碳化合物含量较高及含氮化合物较低时，烟叶的组织较细致。 烟株上部的叶片较厚，腺毛多，因而石油醚提取物含量较多，香气充足，劲头大，杂气也大；着生在下部的叶片，组织结构较疏松，油分少，还原糖、总糖、烟碱和石油醚提取物含量都比较低，品质较差。
聚类分析原理及步骤
聚类分析原理及步骤 聚类分析原理及步骤——将未知数据按相似程度分类到不同的 类或簇的过程 1》传统的统计聚类分析方法包括系统聚类法、分解法、加入法、 动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用 k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名 的统计分析软件包中，如SPSS、SAS等。 典型应用 1》动植物分类和对基因进行分类 2》在网上进行文档归类来修复信息 3》帮助电子商务的用户了解自己的客户，向客户提供更合适 的服务 主要步骤 1》数据预处理——选择数量，类型和特征的标度((依 据特征选择和抽取)特征选择选择重要的特征，特征抽取把输入的特征转化 为一个新的显著特征，它们经常被用来获取一个合适的特征集来为避免“维数灾”进行聚类)和将孤立点移出数据(孤立点是不依附于一般数 据行为或模型的数据) 2》为衡量数据点间的相似度定义一个距离函数—— 既然相类似性是定义一个类的基础，那么不同数据之间在同一个特 征空间相似度的衡量对于聚类步骤是很重要的，由于特征类型和特 征标度的多样性，距离度量必须谨慎，它经常依赖于应用，例如， 通常通过定义在特征空间的距离度量来评估不同对象的相异性，很
多距离度都应用在一些不同的领域一个简单的距离度量，如 Euclidean距离，经常被用作反映不同数据间的相异性，一些有关相 似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概 念相似性，在图像聚类上，子图图像的误差更正能够被用来衡量两 个图形的相似性 3》聚类或分组——将数据对象分到不同的类中【划分方法 (划分方法一般从初始划分和最优化一个聚类标准开始，Crisp Clustering和Fuzzy Clusterin是划分方法的两个主要技术，Crisp Clustering，它的每一个数据都属于单独的类;Fuzzy Clustering，它的每个数据可能在任何一个类中)和层次方法(基于某个标准产生一 个嵌套的划分系列，它可以度量不同类之间的相似性或一个类的可分 离性用来合并和分裂类)是聚类分析的两个主要方法，另外还有基于 密度的聚类，基于模型的聚类，基于网格的聚类】 4》评估输出——评估聚类结果的质量(它是通过一个类有效索引来 评价，，一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类结果的质量，类有效索引在决定类的数目时经常扮演 了一个重要角色，类有效索引的最佳值被期望从真实的类数目中获取，一个通常的决定类数目的方法是选择一个特定的类有效索引的最佳 值，这个索引能否真实的得出类的数目是判断该索引是否有效的标准，很多已经存在的标准对于相互分离的类数据集合都能得出很好的结 果，但是对于复杂的数据集，却通常行不通，例如，对于交叠类的集合。) 聚类分析的主要计算方法原理及步骤划分法 1》将数据集分割成K个组(每个组至少包
浅谈烟草的化学成分
浅谈烟草的化学成分 我国是世界上最大的烟草消费大国。根据联合国世界卫生组织(WHO)的调查， 12亿人中估计有3.2亿烟民（占世界吸烟人的1/4），其中男性3亿，女性2019万。我国烟草制品中最大的种类是卷烟，即纸烟、香烟。 众所周知，吸烟有害健康。科学家对香烟成份进行长期的研究指出，香烟中含有4000多种化学毒物，其中约有40种化学致癌物。截止1988年（据Roberts，1988 Tobacco Reporter 报道）已经鉴定出烟气中的化学成分已达5068种，其中1172种是烟草本身就有的，另外3896种是烟气中独有的。 烟草的化学成分与其他植物一样，可分为两大类：一类为有机化合物，一类为无机化合物。糖、淀粉、糊精、纤维、色素、有机酸、蛋白质、烟碱、氨基酸等属有机化合物；氯、钾、磷、钙、镁、硫等无机盐类属无机化合物。 1．碳水化合物 烟草中的碳水化合物有可溶性的糖和不可溶性的多糖。 （l）可溶性糖有单糖和双糖。 烟草中的葡萄糖和果糖属于单糖，蔗糖和麦芽糖属于双糖。因为葡萄糖分子结构中含有醛基（－CHO）又称醛糖，果糖分子中含有酮基（-C=O）也称为酮糖，醛基和酮基在碱性溶液中都能还原酒石酸铜，所以在烟草化学分析中，用这一性
质来检测烟草中单糖含量，单糖含量的高低是衡量烟草优劣的重要因素。 （2）不溶性的多糖 烟草中的多糖包括淀粉、纤维素和果胶等，多糖与单糖、双糖不同，它没有还原能力，但在酸性条件下和酶的作用也能水解成单糖。 淀粉在成熟的烟草中的含量为10％?30％。纤维素是构成烟草细胞组织和骨架的基本物质，烟草中含纤维素的量一般在11％左右，它随着烟草等级的下降而增加。果胶在烟草中含量为12％左右，果胶影响烟草的弹性韧性等物理性能，由于果胶的存在，当烟草含水份多时烟草的弹性韧性就增大，含水少时就发脆易碎。 2．烟草含氮化合物较多，主要有蛋白质、烟碱和游离碱。 （1）蛋白质：烟草中的蛋白质对烟草质量影响较大，在燃烧时产生一种臭鸡蛋味，其含量在5％?15％之间，蛋白质中氮元素的平均含量为16％，在检测烟草化学成份时不直接检测蛋白质，而是通过测得的氮元素来换算出蛋白质含量。 （2）烟碱：烟草之所以能区别于其他植物主要是因为含有烟碱。烟碱容易和酸进行化学反应，与草酸、柠檬酸作用，生成草酸盐和柠檬酸盐，与硅钨酸作用生成烟碱硅钨酸的白色沉淀。
一篇文章透彻解读聚类分析及案例实操
一篇文章透彻解读聚类分析及案例实操 【数盟致力于成为最卓越的数据科学社区，聚焦于大数据、分析挖掘、数据可视化领域，业务范围：线下活动、在线课程、猎头服务、项目对接】【限时优惠福利】数据定义 未来，2016年5月12日-14日DTCC2016中国数据库技术大会登陆北京！大会云集了国内外数据行业顶尖专家，设定2个主会场，24个分会场，将吸引共3000多名IT人士参会！马上领取数盟专属购票优惠88折上折，猛戳文末“阅读原文”抢先购票！ 摘要：本文主要是介绍一下SAS的聚类案例，希望大家都 动手做一遍，很多问题只有在亲自动手的过程中才会有发现有收获有心得。这里重点拿常见的工具SAS+R语言+Python 介绍! 1 聚类分析介绍1.1 基本概念聚类就是一种寻找数据之间 一种内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作聚类。处于相同聚类中的数据实例彼此相同，处于不同聚类中的实例彼此不同。聚类技术通常又被称为无监督学习，因为与监督学习不同，在聚类中那些表示数据类别的分类或者分组信息是没有的。通过上述表述，我们可以把聚类定义为将数据集中在某些方面具有相似性 的数据成员进行分类组织的过程。因此，聚类就是一些数据
实例的集合，这个集合中的元素彼此相似，但是它们都与其他聚类中的元素不同。在聚类的相关文献中，一个数据实例有时又被称为对象，因为现实世界中的一个对象可以用数据实例来描述。同时，它有时也被称作数据点(Data Point)，因为我们可以用r 维空间的一个点来表示数据实例，其中r 表示数据的属性个数。下图显示了一个二维数据集聚类过程，从该图中可以清楚地看到数据聚类过程。虽然通过目测可以十分清晰地发现隐藏在二维或者三维的数据集中的聚类，但是随着数据集维数的不断增加，就很难通过目测来观察甚至是不可能。 1.2 算法概述 目前在存在大量的聚类算法，算法的选择取决于数据的类型、聚类的目的和具体应用。大体上，主要的聚类算法分为几大类。 聚类算法的目的是将数据对象自动的归入到相应的有意义 的聚类中。追求较高的类内相似度和较低的类间相似度是聚类算法的指导原则。一个聚类算法的优劣可以从以下几个方面来衡量： (1)可伸缩性：好的聚类算法可以处理包含大到几百万个对象的数据集;(2)处理不同类型属性的能力：许多算法是针对基 于区间的数值属性而设计的，但是有些应用需要针对其它数据类型(如符号类型、二值类型等)进行处理;(3)发现任意形状
烟草的成分
烟草的成分 烟草主要由碳水化合物（占40%-50%）、羧酸、色素、萜烯类物质、链烷烃、类脂物质等组成，同时还有一些生长过程中必需的营养物（如硝酸盐等）以及某些污染物（如农药、重要金属元素等）。烟草与其它植物的不同点是所含的萜烯类物质比较丰富，即通常所说的“尼古丁”。 吸烟的过程，是香烟在不完全燃烧状态下发生一系列的热分解与热合成的化学反应过程，形成大量新的物质，其化学成分很复杂。从烟雾中分离出的有害成分达3000余种，其中主要有毒物质为尼古丁（烟碱）、烟焦油、一氧化碳、氢氰酸、氨及芳香化合物等。烟草中原有的蛋白质、碳水化合物、维生素、氨基酸等人体需要的有益物质，经过燃烧而释放出的烟雾灰尘也都变成有害物质。烟草点燃的烟雾由两部分组成，其中气体部分占92%，包括多量的氧、氮等无害气体和一定量的一氧化碳及微量的致癌、促癌物质；粒相部分占8%，主要为尼古丁和烟焦油。
吸烟的危害 烟草的烟雾中至少含有三种危险的化学物质：焦油，尼古丁和一氧化碳。焦油是好几种物质的混合物，在肺中会浓缩成一种粘性物质。尼古丁是一种会使人成瘾的药物，由肺部吸收，主要是对中枢神经系统发生作用。一氧化碳能减低红细胞将氧输送到全身的能力。 一个每天吸15到20支香烟的人，其易患肺癌、口腔癌或喉癌的几率，要比不吸烟的人大14倍；其易患食道癌的几率比不吸烟的人大4倍；其易患膀胱癌和心脏病的几率比不吸烟的人大两倍。吸烟是导致慢性支气管炎和肺气肿的主要原因，而慢性肺部疾病本身也增加了罹患肺炎、心脏病和高血压的危险。 1、口腔及喉部：烟雾中的焦油是致癌物质，能导致所接触到的组织产生癌变。因此，吸烟者呼吸道的任何部位（包括口腔和咽喉）都有癌变的可能。 2、心血管：尼古丁能使心跳加快、血压升高，一氧化碳能够促使动脉粥样硬化，这是造成心脏疾病的一个原因。大量吸烟的人，心脏病发作时，其致死几率比不吸烟的人大很多。 3、食道：大多数吸烟者喜欢将一定量的烟吞下，因此消化道（特别是
烟叶不同区位主要化学成分差异分析
江西农业学报 ２０１３，２５（１２）：４９～５２ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＪｉａｎｇｘｉ 烟叶不同区位主要化学成分差异分析 贺帆１ ，王涛２ ，孙建锋３ ，赵华武２ ，马力２ ，宫长荣 １倡 收稿日期：２０１３－０７－０９ 作者简介：贺帆（１９７５─），男，湖南衡阳人，讲师，博士，主要从事烟草调制与加工科研及教学工作。倡通讯作者：宫长荣。 （１．河南农业大学，河南郑州４５０００２；２．云南省曲靖市烟草公司，云南曲靖６５５０００；３．云南省烟草公司，云南昆明６５００００） 摘 要：对不同产区的３个等级４个区位烟叶样品的化学成分进行了系统的比较分析，探讨了不同产区的４个区位烟叶化学成分的相似性。结果表明：不同区位烟叶中化学成分含量有一定的差异，还原糖含量叶缘、叶尖较高，叶基低；淀粉叶基较高，叶缘较低；烟碱中下部烟叶叶缘、叶基较高，叶中较低；总氮叶尖较高，叶缘、叶中较低；钾离子含量叶基最高；色素成分含量叶基最高。３个等级的还原糖含量在４个区位之间均达到极显著正相关，其他成分在４个区位之间也存在不同的相关性。 关键词：烟叶；区位；化学成分；差异 中图分类号：Ｓ５７２ 文献标志码：Ａ 文章编号：１００１－８５８１（２０１３）１２－００４９－０４ ＡｎａｌｙｓｉｓｏｆＤｉｆｆｅｒｅｎｃｅｉｎＭａｉｎＣｈｅｍｉｃａｌＣｏｍｐｏｓｉｔｉｏｎｓｏｆ ＴｏｂａｃｃｏＬｅａｖｅｓａｍｏｎｇＤｉｆｆｅｒｅｎｔＰｏｓｉｔｉｏｎｓ ＨＥＦａｎ１ ，ＷＡＮＧＴａｏ２ ，ＳＵＮＪｉａｎ－ｆｅｎｇ３ ，ＺＨＡＯＨｕａ－ｗｕ２ ，ＭＡＬｉ２ ，ＧＯＮＧＣｈａｎｇ－ｒｏｎｇ １倡 （１．ＣｏｌｌｅｇｅｏｆＴｏｂａｃｃｏＳｃｉｅｎｃｅ，ＨｅｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ；２．ＱｕｊｉｎｇＴｏｂａｃｃｏＣｏｍｐａｎｙｏｆＹｕｎｎａｎＰｒｏｖｉｎｃｅ，Ｑｕｊｉｎｇ６５５０００，Ｃｈｉｎａ；３．ＹｕｎｎａｎＴｏｂａｃｃｏＣｏｍｐａｎｙ，Ｋｕｎｍｉｎｇ６５００００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｗａｓｃｏｎｄｕｃｔｅｄｆｏｒｔｈｅｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎｓｏｆｆｏｕｒｐｏｓｉｔｉｏｎｓｏｆｔｏｂａｃｃｏｌｅａｆｓａｍｐｌｅｓｗｉｔｈ３ｇｒａｄｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｔｏｂａｃｃｏ－ｇｒｏｗｉｎｇａｒｅａｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｒｅｗｅｒｅｃｅｒｔａｉｎｄｉｆｆｅｒｅｎｃｅｓｉｎｔｈｅｃｏｎｔｅｎｔｏｆｃｈｅｍｉｃａｌｃｏｍ－ｐｏｓｉｔｉｏｎｓｏｆｔｏｂａｃｃｏｌｅａｖｅｓａｍｏｎｇｆｏｕｒｐｏｓｉｔｉｏｎｓ．Ｔｈｅｃｏｎｔｅｎｔｏｆｒｅｄｕｃｉｎｇｓｕｇａｒｗａｓｈｉｇｈｅｒｉｎｌｅａｆｔｉｐａｎｄｌｅａｆｍａｒｇｉｎ，ａｎｄｌｏｗｅｒｉｎｌｅａｆｂａｓｅ；ｔｈｅｃｏｎｔｅｎｔｏｆｓｔａｒｃｈｗａｓｈｉｇｈｅｒｉｎｌｅａｆｂａｓｅ，ａｎｄｌｏｗｅｒｉｎｌｅａｆｍａｒｇｉｎ；ｔｈｅｃｏｎｔｅｎｔｏｆｎｉｃｏｔｉｎｅｗａｓｈｉｇｈｅｒｉｎｌｅａｆｍａｒｇｉｎａｎｄｌｅａｆｂａｓｅ，ａｎｄｌｏｗｅｒｉｎｌｅａｆｃｅｎｔｅｒ；ｔｈｅｃｏｎｔｅｎｔｏｆｔｏｔａｌｎｉｔｒｏｇｅｎｗａｓｈｉｇｈｅｒｉｎｌｅａｆｔｉｐ，ａｎｄｌｏｗｅｒｉｎｌｅａｆｍａｒｇｉｎａｎｄｌｅａｆｃｅｎｔｅｒ；ｔｈｅｃｏｎｔｅｎｔｏｆｐｏｔａｓｓｉｕｍｗａｓｔｈｅｈｉｇｈｅｓｔｉｎｌｅａｆｂａｓｅ；ｔｈｅｃｏｎｔｅｎｔｏｆｐｉｇｍｅｎｔｗａｓｔｈｅｈｉｇｈｅｓｔｉｎｌｅａｆｂａｓｅ．Ｔｈｅｃｏｎｔｅｎｔｏｆｒｅｄｕｃｉｎｇｓｕｇａｒｓｈｏｗｅｄｓｉｇｎｉｆｉｃａｎｔｌｙｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎａｔ１％ｌｅｖｅｌａｍｏｎｇｆｏｕｒｐｏｓｉｔｉｏｎｓｏｆｔｏｂａｃｃｏｌｅａｖｅｓｗｉｔｈ３ｇｒａｄｅｓ，ａｎｄｔｈｅｃｏｎｔｅｎｔｏｆｏｔｈｅｒｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎｓａｌｓｏｈａｄｄｉｆｆｅｒｅｎｔｃｏｒｒｅｌａｔｉｏｎｓａｍｏｎｇｆｏｕｒｐｏｓｉｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ：Ｔｏｂａｃｃｏｌｅａｆ；Ｐｏｓｉｔｉｏｎ；Ｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎ；Ｄｉｆｆｅｒｅｎｃｅ 烟叶是卷烟工业的基础，其质量优劣和风格特征直接影响卷烟产品的质量及其稳定性 ［１－２］ 。但烤烟叶 片由于遗传基础、生育时期以及所处冠层环境条件不同，其生理生化特性具有显著差异，从而导致不同的质量特征 ［３］ 。而同一基因型不同部位烟叶之间由于所处 部位微生态不同，其内在物质积累不同，而在烘烤过程中表现各异，从而造成烟叶内在化学成分之间存在较大差异 ［４－６］ 。同样，由于在大田生长期间其茎叶夹角 的差异往往造成了同一烟叶不同区位所受光照条件存在明显差异，从而导致不同区位的烟叶内在物质积累与转化存在差异 ［７］ 。Ｊｅｆｆｒｅｙ等 ［８］ 曾对马里兰烟进行研 究表明，烟叶中总植物碱的分布以叶片的基部为最低并呈箭状向叶尖部逐渐增加。孙建峰等［９］ 认为同类烟 叶的４个区位（叶尖、叶中、叶基和叶缘）化学成分含量 具有较强的相似性。颜克亮等 ［１０］ 认为一片完整的烟 叶可分为叶尖、叶中及叶基３段，而这３段的品质存在 一定的差异，通过针对性的“三段式”分切打叶复烤，有助于提升烟叶整体利用效率，并更好地提升烤烟品质。徐安传等 ［１１］ 也认为不同区位烟叶品质特色各有差异， 不同区位的烟叶具有不同的品质特征和工业可用性。因此本试验对全国９个烟区７８个烤后烟叶样品的主要化学成分进行了分析，通过方差分析和相关分析对烟叶个体间的“亲疏程度”进行研究，旨在为高效全面利用烟叶、提升烟叶品质与应用价值提供一定的理论基础。 １ 材料与方法 １．１ 试验材料 ２０１０年收集河南洛阳、安徽皖南、山东沂水、陕西洛南、广东南雄、湖北恩施、福建三明、四川会东、云南曲靖９个烟区７８个密集烤房烤后烟叶样品；３个等级Ｘ２Ｆ、Ｃ３Ｆ和Ｂ２Ｆ的样品个数分别为２２、２８和２８个。把每个样品的叶片除去叶脉后分为叶尖、
烟叶主要化学成份
精心整理浅谈烟叶主要化学成份与卷烟配方的相互关系 在化学分析工作中，多年来，我一直本着尊重科学，大胆实践、探求科技新路为目标，结合实际工作，分别对进厂的烟叶和成品烟丝的内在质量进行了化验分析，对指导生产实践提供了可靠的数据。 在平时工作中，个人尊重科学、尊重实践、努力探索本行业新路子，自己的劳动也得到了社会的承认。 烟叶的主要化学成份是决定烟叶内在品质的因素之一。现在已发现烟叶和烟气中各种化学成分已达5259种。长期以来国内外的烟草科研工作者，均想从烟草化学上来
探索出一种用化学成份表示烟草质量的方法。近几年来，随着化学分析技术的提高和现代化的分析仪器的应用，只能够说明烟草的主要化学成份对其质量的影响，但还不能完全用化学成份的含量来表示烟草在“吃味”、“香气”方面的特性。 从长远来说，对烟草所含更多的化学成份的探讨还是一个任重而道远的长期研究课 1 （l）可溶性糖有单糖和双糖。烟叶中的葡萄糖和果糖属于单糖，蔗糖和麦芽糖属于双糖。因为葡萄糖分子结构中含有醛基（－CHO）又称醛糖，果糖分子中含有酮基（-C=O）也称为酮糖，醛基和酮基在碱性溶液中都能还原酒石酸铜，所以在烟草化学分析中，用这一性质来检测烟叶中单糖含量，烤烟单糖含量一般在10％—25％之间，单糖含量的高低是衡量烟叶优劣的重要因素。
双糖属非还原性糖，只有在酸性条件下水解成单糖之后，才能与酒石酸铜在碱性溶液中发生还原反应。 （2 11％左 存在，当烟叶含水份多时烟叶的弹性韧性就增大，含水少时就发脆易碎，果胶分子结构中还含有甲醇，影响烟草吃味，因果胶分子易水解，烟叶在发酵过程中在酶的催化下，果胶发生水解便可除掉甲醇，提高烟叶质量。 2．含氮化合物