SIMCA采用PCA模型参数和F检验构造计算T2i/T2ucl和Si/Q统计量作为样本分类的新属性, 并计算待测样本到各类主成分空间的欧式距离作为判别类别的依据, 是一种最常用和优秀的光谱分类方法。 但是, 在Q对T2作图平面上, 以欧式距离确定的样本分布范围是一个圆, 多数情况下并不一定能符合实际样本分布规律。 本文在分析了SIMCA理论缺陷的基础上, 提出了一种新方法, 即用马氏距离代替欧氏距离作为判别依据来判断样本的类别。 并设计了采用红外光谱判别组分比例很接近的掺假食用油样本的实验, 以及用近红外光谱判别相近皮毛样本的实验。 用调和比5%～8%的食用油红外光谱PCA模型, 分别以马氏距离和欧式距离计算出其样本的分布范围, 结果表明马氏距离的分类与识别能力更强。 新方法和SIMCA对动物皮毛样本的正确识别率分别为87.5%和75%, 对比例相近的食用油调和油的正确识别率分别为65%和55%。 结果表明新方法对化学组成差异微小的样品分类精度明显优于SIMCA。

纺织纤维的快速鉴别对我国纺织品生产过程质量控制、 贸易和市场监督具有重要实际意义。 文章收集了的12种纺织纤维共214个样品, 研究了各种形态样品的近红外光谱测量方法。 采用多元光散射校正方法消除噪声和基线漂移对光谱的影响。 对样品总集光谱进行系统树分析, 发现组成接近的纤维样本能均够聚类在一起, 有些不同种类纤维之间有交叠。 结合近红外光谱和簇类的独立软模式方法(SIMCA), 可以实现化学组成非常接近的不同纤维种类的区分。 该研究结果表明, 采用近红外分析技术, 实现非破坏性地快速鉴别纺织纤维是可行的。