一種基于譜回歸的近紅外模型轉(zhuǎn)移方法
【專利摘要】本發(fā)明公開了一種基于譜回歸的近紅外模型轉(zhuǎn)移方法，包括：步驟1，針對(duì)多個(gè)煙草標(biāo)定樣本，分別利用主機(jī)和從機(jī)進(jìn)行近紅外光譜采集，得到主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs；步驟2，對(duì)Xm和Xs分別進(jìn)行光譜預(yù)處理；步驟3，利用譜回歸方法，分別計(jì)算Xm和Xs在低維度的表示Zm和Zs；步驟4，利用Zm和Zs計(jì)算變換，將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從機(jī)近紅外光譜Xt；步驟5，利用從機(jī)近紅外光譜Xt以及煙草樣本的化學(xué)值進(jìn)行建模；步驟6，利用從機(jī)對(duì)待測樣品進(jìn)行近紅外光譜采集，然后利用步驟5建立的模型進(jìn)行煙草化學(xué)成分含量的計(jì)算。本發(fā)明提供的方法，能夠揭示數(shù)據(jù)的內(nèi)部結(jié)構(gòu)，抑制數(shù)據(jù)中的噪聲和冗余特征，提高紅外光譜模型轉(zhuǎn)移的成功概率。
【專利說明】
一種基于譜回歸的近紅外模型轉(zhuǎn)移方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及紅外光譜分析技術(shù)領(lǐng)域，具體涉及一種基于譜回歸的近紅外模型轉(zhuǎn)移 方法。
【背景技術(shù)】
[0002] 紅外光譜因具有快速、準(zhǔn)確和無損的優(yōu)點(diǎn)，被廣泛應(yīng)用于工業(yè)領(lǐng)域。光譜多元校正 技術(shù)能夠有效地用于物質(zhì)成分含量檢測和在線過程監(jiān)測，但是多元校正技術(shù)在實(shí)際應(yīng)用中 常常會(huì)受到局限，這主要是由于已經(jīng)建立的多元校正模型無法有效地應(yīng)用于新的環(huán)境條件 下觀測的紅外譜圖或不同儀器采集的譜圖。
[0003] 重新校正方法可以克服這個(gè)局限，但是每次都需要重新建立模型，不僅代價(jià)相當(dāng) 大，而且費(fèi)時(shí)費(fèi)力。模型轉(zhuǎn)移是解決上述模型推廣問題的一種有效方法，它將在一臺(tái)儀器上 建立的定性或定量校正模型可靠地移植到其它相同或類似的儀器上使用，或?qū)⒃谀骋粭l件 下建立的模型用于同一臺(tái)儀器另一條件下采集的譜圖，其本質(zhì)是消除測量信號(hào)之間的不一 致性，使其適合于同一個(gè)模型。
[0004] 模型轉(zhuǎn)移是一種光譜變換的方法，尋找一個(gè)變換矩陣將從儀器光譜響應(yīng)映射到主 儀器，實(shí)現(xiàn)模型共享，代表性的方法有子空間學(xué)習(xí)、直接標(biāo)準(zhǔn)化(DirectStandard，DS)和分 段直接標(biāo)準(zhǔn)化(PiecewiseDirectStandarcUPDS) 〇
[0005] 常見的子空間學(xué)習(xí)方法有主成分分析(PCA)、局部保持投影(LPP)和鄰域保持嵌入 (NPE)等，這些子空間學(xué)習(xí)方法都可以納入到圖嵌入的統(tǒng)一框架下。子空間學(xué)習(xí)方法中涉及 到稠密矩陣的特征分解，計(jì)算量和存儲(chǔ)量較大，并且當(dāng)數(shù)據(jù)維數(shù)超過樣本個(gè)數(shù)時(shí)算法極不 穩(wěn)定。
[0006] 直接標(biāo)準(zhǔn)化方法直接尋求主從儀器光譜之間的變換矩陣。分段直接標(biāo)準(zhǔn)化方法 中，主儀器某個(gè)波長與從儀器相應(yīng)的局部光譜區(qū)間建立變換關(guān)系。在現(xiàn)有的光譜變換方法 中，PDS方法是應(yīng)用最廣泛的算法，這主要是因?yàn)镻DS方法中的局部回歸模型能夠反映主從 儀器光譜在對(duì)應(yīng)波長處的變化，同時(shí)ros方法基于光譜信號(hào)直接進(jìn)行校正，簡單易用。
[0007] 但是PDS方法需要事先確定變換窗口的大小，在窗口選擇不恰當(dāng)時(shí)容易出現(xiàn)轉(zhuǎn)移 失敗。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明提供了一種基于譜回歸的近紅外模型轉(zhuǎn)移方法，能夠揭示數(shù)據(jù)的內(nèi)部結(jié) 構(gòu)，抑制數(shù)據(jù)中的噪聲和冗余特征，提高紅外光譜模型轉(zhuǎn)移的成功概率。
[0009] -種基于譜回歸的近紅外模型轉(zhuǎn)移方法，包括：
[0010] 步驟1，針對(duì)多個(gè)煙草標(biāo)定樣本，分別利用主機(jī)和從機(jī)進(jìn)行近紅外光譜采集，得到 主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜X s;
[0011] 步驟2，對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜1分別進(jìn)行光譜預(yù)處理；
[0012] 步驟3，利用譜回歸方法，分別計(jì)算主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs在低維 度的表不Zm和Zs ;
[0013] 步驟4，利用ZjPZ^算變換，將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從機(jī) 近紅外光譜Xt;
[0014] 步驟5,利用從機(jī)近紅外光譜Xt以及煙草樣本的化學(xué)值進(jìn)行建模；
[0015] 步驟6,利用從機(jī)對(duì)待測樣品進(jìn)行近紅外光譜采集，然后利用步驟5建立的模型進(jìn) 行煙草化學(xué)成分含量的計(jì)算。
[0016] 本發(fā)明提供的近紅外模型轉(zhuǎn)移方法用于解決不同近紅外儀器間的模型共用問題， 通過對(duì)主機(jī)和從機(jī)的近紅外光譜分別進(jìn)行譜回歸嵌入，然后尋找變換譜圖之間的關(guān)系。采 用譜回歸方法能夠揭示數(shù)據(jù)的內(nèi)在結(jié)構(gòu)，抑制數(shù)據(jù)中的噪聲和冗余特征，提高模型轉(zhuǎn)移的 成功概率，降低轉(zhuǎn)移后的模型的預(yù)測誤差。
[0017] 采用本發(fā)明方法將主機(jī)建模光譜轉(zhuǎn)化為從機(jī)建模光譜后進(jìn)行建模，避免使用從機(jī) 對(duì)樣本重新進(jìn)行測量后，再進(jìn)行建模，降低分析的時(shí)間成本以及經(jīng)濟(jì)成本。
[0018] 所述的主機(jī)和從機(jī)為兩臺(tái)相同型號(hào)的近紅外光譜儀，主機(jī)為有模型的近紅外光譜 儀，從機(jī)為沒有模型的近紅外光譜儀。步驟1中在進(jìn)行近紅外光譜測量時(shí)，在相同的測試條 件下進(jìn)行。
[0019] 本發(fā)明利用譜回歸的方法將近紅外光譜降至低維，避免了維數(shù)大于樣本數(shù)時(shí)出現(xiàn) 計(jì)算不穩(wěn)定的問題，此外，本發(fā)明避免了現(xiàn)有的部分模型轉(zhuǎn)移方法需要應(yīng)用模型信息，直接 實(shí)現(xiàn)由主機(jī)到從機(jī)的轉(zhuǎn)移。
[0020] 將主機(jī)近紅外光譜轉(zhuǎn)化為從機(jī)近紅外光譜后，利用化學(xué)值進(jìn)行建模，然后對(duì)從機(jī) 樣本利用建立的模型進(jìn)行煙草化學(xué)成分含量的預(yù)測。
[0021] 作為優(yōu)選，步驟3包括以下步驟：
[0022] 步驟3-1，分別構(gòu)建主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs的相關(guān)系數(shù)矩陣；
[0023] 步驟3-2,分別利用譜回歸求解主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs的特征向 量，找到h個(gè)特征向量，h的最大值為轉(zhuǎn)移校正光譜的數(shù)量；
[0024] 步驟3-3,利用步驟3所得的h個(gè)特征向量，分別求解主機(jī)近紅外光譜Xm和從機(jī)近紅 外光譜1的投影向量集；
[0025] 步驟3-4,利用下式分別對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs進(jìn)行譜回歸嵌 入：
[0026:
[0027:
[0028] 式中，Am為主機(jī)近紅外光譜的投影向量集；
[0029] As為從機(jī)近紅外光譜的投影向量集。
[0030] 步驟3-1~步驟3-4中，對(duì)于主機(jī)近紅外光譜和從機(jī)近紅外光譜采用相同的處理方 式，分別進(jìn)行處理。
[0031] 步驟5中的煙草樣本的化學(xué)值按照中華人民共和國煙草行業(yè)標(biāo)準(zhǔn)YC/T32-1996、 ￥(：/1'161-2002、丫(：/1'160-2002、￥(：/1'173-2003、￥(：/1'162-2002、￥(：八202-2006，檢測煙草的總 糖、還原糖、總氮、煙堿、鉀、氯、多酚含量。
[0032] 步驟5中的建模方法為偏最小二乘算法(Partial Least Squares，PLS)，潛變量數(shù) 目的選取為5折交叉驗(yàn)證。
[0033] 作為優(yōu)選，步驟4中，利用下式計(jì)算變換矩陣F1和變換矩陣F2:
[0034]
[0035]
[0036]式中：+表示矩陣的廣義逆運(yùn)算。
[0037] 作為優(yōu)選，步驟4中，利用下式將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從 機(jī)近紅外光譜Xt:
[0038]
[0039] 作為優(yōu)選，步驟2中，對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs作相同的光譜預(yù)處 理，光譜預(yù)處理為平滑，求一階導(dǎo)數(shù)，求二階導(dǎo)數(shù)，標(biāo)準(zhǔn)正態(tài)校正中的至少一種。
[0040] 作為優(yōu)選，步驟3-1中相關(guān)系數(shù)矩陣的元素 Wlj的計(jì)算公式如下：
[0041
[0042]式中：Xi為煙草樣本i的近紅外光譜；
[0043] Xj為煙草樣本j的近紅外光譜；
[0044] N(Xi)表示煙草樣本Xi的近鄰域；
[0045] N(幻)表示煙草樣本&的近鄰域；
[0046] σ取0.1。
[0047]作為優(yōu)選，步驟3-2中，求解Wy = ADy，找到最大的h個(gè)特征向量；
[0048]式中，W為相關(guān)系數(shù)矩陣；
[0049] λ為正則化參數(shù)：
[0050] D為一個(gè)對(duì)角矩陣，其對(duì)角元素為_
[0051] 作為優(yōu)選，步驟3-3中，利用正則化最小二乘法求解投影向量，使投影向量滿足條 件XTy = a，式中，a為投影向量;X為煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜;y為 與X對(duì)應(yīng)的特征向量。
[0052]作為優(yōu)選，步驟3-3中，利用正則化最小二乘法求解投影向量時(shí)的計(jì)算公式如下： [0053]
[0054] 式中，a為投影向量；
[0055] X為煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜；
[0056] y為與X對(duì)應(yīng)的特征向量；
[0057] γ為正則化參數(shù)。
[0058]本發(fā)明提供的基于譜回歸的近紅外模型轉(zhuǎn)移方法，能夠揭示數(shù)據(jù)的內(nèi)部結(jié)構(gòu)，抑 制數(shù)據(jù)中的噪聲和冗余特征，提高紅外光譜模型轉(zhuǎn)移的成功概率。
【附圖說明】
[0059]圖1為本發(fā)明基于譜回歸的近紅外模型轉(zhuǎn)移方法的流程圖；
[0060]圖2a為煙草標(biāo)定樣本的主機(jī)近紅外光譜；
[0061 ]圖2b為煙草標(biāo)定樣本的從機(jī)近紅外光譜；
[0062]圖3a為主機(jī)近紅外光譜和從機(jī)近紅外光譜的差異；
[0063]圖3b為采用ros方法處理后主機(jī)近紅外光譜和從機(jī)近紅外光譜的差異；
[0064]圖3c為采用本發(fā)明提供的近紅外模型轉(zhuǎn)移方法處理后的主機(jī)近紅外光譜和從機(jī) 近紅外光譜的差異。
【具體實(shí)施方式】
[0065] 下面結(jié)合附圖，對(duì)本發(fā)明基于譜回歸的近紅外模型轉(zhuǎn)移方法做詳細(xì)描述。
[0066] 如圖1所示，基于譜回歸的近紅外模型轉(zhuǎn)移方法，包括：
[0067] 步驟1，選用33個(gè)煙葉樣本作為煙草標(biāo)定樣本，針對(duì)各分別利用主機(jī)和從機(jī)進(jìn)行近 紅外光譜采集，得到主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜X s，主機(jī)和從機(jī)的儀器類型以及采 樣參數(shù)一致。主機(jī)近紅外光譜如圖2a所示，從機(jī)近紅外光譜如圖2b所示。
[0068] 步驟2,利用標(biāo)準(zhǔn)正態(tài)校正對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs進(jìn)行相同的預(yù) 處理。
[0069] 步驟3，利用譜回歸方法，分別計(jì)算主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs在低維 度的表示ZjPZ s，具體操作如下：
[0070] 步驟3-1，分別構(gòu)建主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜1的相關(guān)系數(shù)矩陣，其中， 主機(jī)近紅外光譜Xm對(duì)應(yīng)的相關(guān)系數(shù)矩陣為W m，從機(jī)近紅外光譜Xs對(duì)應(yīng)的相關(guān)系數(shù)矩陣為Ws。 [0071 ]若有K個(gè)煙草標(biāo)定樣本，則相關(guān)系數(shù)矩陣為一個(gè)K X K的對(duì)稱矩陣，相關(guān)系數(shù)矩陣的 元素叫表示煙草樣本i與煙草樣本j的相關(guān)性，相關(guān)系數(shù)矩陣的元素 W的計(jì)算公式如下：
[0072]
[0083] 步驟3-3,利用步驟3所得特征向量，分別求解主機(jī)近紅外光譜XdP從機(jī)近紅外光 譜Xs的投影向量。
[0084] 本步驟中，利用正則化最小二乘法求解投影向量，使投影向量滿足條件XTy = a，式 中，a為投影向量;X為煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜;y為與X對(duì)應(yīng)的特 征向量。
[0085] 例如，Xm的投影向量為am2'"ah，Xm的投影向量集△"=( &1，&2，'"4)，滿足條件父巧土 =31，；[的取值范圍為1~11。
[0086] 利用正則化最小二乘法求解投影向量時(shí)的計(jì)算公式如下：
[0087]
[0088]式中，a為投影向量；
[0089] X為煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜；
[0090] y為與X對(duì)應(yīng)的特征向量；
[0091] γ為正則化參數(shù)，本實(shí)施例中取0.001。
[0092] 步驟3-4,利用下式分別對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs進(jìn)行譜回歸嵌 入：
[0093]
[0094]
[0095] 式中，Am為主機(jī)近紅外光譜的投影向量集；
[0096] As為從機(jī)近紅外光譜的投影向量集。
[0097] 步驟4,利用ZjPZs計(jì)算變換矩陣，將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為 從機(jī)近紅外光譜Xt。
[0098]該步驟中，利用下式計(jì)算變換矩陣F1和變換矩陣F2:
[0099] F1 - ZllZs ;
[0100] F2 =ZiiXi ;
[0101]式中:+表示矩陣的廣義逆運(yùn)算。
[0102] 該步驟中，利用下式將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從機(jī)近紅外 光譜Xt
[0103]
[0104] 步驟5,利用從機(jī)近紅外光譜Xt以及煙草樣本的化學(xué)值進(jìn)行建模。
[0105] 該步驟中的煙草樣本的化學(xué)值按照中華人民共和國煙草行業(yè)標(biāo)準(zhǔn)YC/T32-1996、 ￥(：/1'161-2002、丫(：/1'160-2002、￥(：/1'173-2003、￥(：/1'162-2002、￥(：八202-2006，檢測煙草的總 糖、還原糖、總氮、煙堿、鉀、氯、多酚含量。
[0106]該步驟中的建模方法為偏最小二乘算法(Partial Least Squares，PLS)，潛變量 數(shù)目的選取為5折交叉驗(yàn)證。
[0107] 步驟6,利用從機(jī)對(duì)待測樣品進(jìn)行近紅外光譜采集，然后利用步驟5建立的模型進(jìn) 行煙草化學(xué)成分含量的計(jì)算。
[0108] 圖3a~圖3b分別表示煙草標(biāo)定樣本在主機(jī)和從機(jī)上的差譜，由圖3a~3b可以看 出，采用本發(fā)明提供的轉(zhuǎn)移方法能夠減小煙草標(biāo)定樣本在主機(jī)和從機(jī)上的差異。
[0109] 不同的模型轉(zhuǎn)移方法下轉(zhuǎn)移后光譜在模型中預(yù)測誤差如表1所示。
[0110] 表1
[0112] 表1中，RMSEC :訓(xùn)練集根均方誤差;RMSECV :訓(xùn)練集交叉驗(yàn)證根均方誤差;RMSEP:測 試集根均方誤差。
[0113] 本發(fā)明提供的方法相比傳統(tǒng)的模型轉(zhuǎn)移方法，利用譜回歸，在低維度實(shí)現(xiàn)模型的 轉(zhuǎn)移，避免了因維數(shù)大于樣本數(shù)導(dǎo)致的計(jì)算中的奇異性，保證了轉(zhuǎn)移后的模型具有良好的 應(yīng)用效果。
【主權(quán)項(xiàng)】
1. 一種基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，包括： 步驟1，針對(duì)多個(gè)煙草標(biāo)定樣本，分別利用主機(jī)和從機(jī)進(jìn)行近紅外光譜采集，得到主機(jī) 近紅外光譜Xm和從機(jī)近紅外光譜Xs ; 步驟2，對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs分別進(jìn)行光譜預(yù)處理； 步驟3，利用譜回歸方法，分別計(jì)算主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs在低維度的 表不Zm和Zs ; 步驟4,利用Zm和Zs計(jì)算變換，將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從機(jī)近紅 外光譜Xt; 步驟5,利用從機(jī)近紅外光譜XtW及煙草樣本的化學(xué)值進(jìn)行建模； 步驟6,利用從機(jī)對(duì)待測樣品進(jìn)行近紅外光譜采集，然后利用步驟5建立的模型進(jìn)行煙 草化學(xué)成分含量的計(jì)算。2. 如權(quán)利要求1所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟3包括W 下步驟： 步驟3-1，分別構(gòu)建主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs的相關(guān)系數(shù)矩陣； 步驟3-2,分別利用譜回歸求解主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs的特征向量，找 至化個(gè)特征向量，h的最大值為轉(zhuǎn)移校正光譜的數(shù)量； 步驟3-3,利用步驟3所得的h個(gè)特征向量，分別求解主機(jī)近紅外光譜Xm和從機(jī)近紅外光 譜Xs的投影向量集； 步驟3-4，利用下式分別對(duì)主機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs進(jìn)行譜回歸嵌入：式中，Am為主機(jī)近紅外光譜的投影向量集； As為從機(jī)近紅外光譜的投影向量集。3. 如權(quán)利要求2所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟4中，利用 下式計(jì)算變換矩陣Fi和變換矩陣F2:式中:+表示矩陣的廣義逆運(yùn)算。4. 如權(quán)利要求3所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟4中，利用 下式將訓(xùn)練集煙草樣本的主機(jī)近紅外光譜Xtrn轉(zhuǎn)移為從機(jī)近紅外光譜Xt:5. 如權(quán)利要求4所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟2中，對(duì)主 機(jī)近紅外光譜Xm和從機(jī)近紅外光譜Xs作相同的光譜預(yù)處理，光譜預(yù)處理為平滑，求一階導(dǎo) 數(shù)，求二階導(dǎo)數(shù)，標(biāo)準(zhǔn)正態(tài)校正中的至少一種。6. 如權(quán)利要求5所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟3-1中相 關(guān)系數(shù)矩陣的元素 WU的計(jì)算公式如下：式中:Xl為煙草樣本i的近紅外光譜； Xj為煙草樣本j的近紅外光譜； N(xi)表示煙草樣本xi的近鄰域； N (X j)表示煙草樣本X j的近鄰域； σ 取 0.1。7. 如權(quán)利要求6所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟3-2中，求 解Wy = ADy，找到最大的h個(gè)特征向量； 式中，W為相關(guān)系數(shù)矩陣； 入為正則化參數(shù)； D為一個(gè)對(duì)角矩陣，其對(duì)角元素為化1=8. 如權(quán)利要求7所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟3-3中，利 用正則化最小二乘法求解投影向量，使投影向量滿足條件XTy = a，式中，a為投影向量;X為 煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜;y為與X對(duì)應(yīng)的特征向量。9. 如權(quán)利要求8所述的基于譜回歸的近紅外模型轉(zhuǎn)移方法，其特征在于，步驟3-3中，利 用正則化最小二乘法求解投影向量時(shí)的計(jì)算公式如下：式中，a為投影向量； X為煙草標(biāo)定樣本的本機(jī)近紅外光譜或從機(jī)近紅外光譜； y為與X對(duì)應(yīng)的特征向量； 丫為正則化參數(shù)。
【文檔編號(hào)】G01N21/359GK105842190SQ201610153646
【公開日】2016年8月10日
【申請(qǐng)日】2016年3月17日
【發(fā)明人】吳繼忠, 徐清泉, 夏琛, 畢鳴, 畢一鳴, 吳鍵, 廖付, 李石頭, 夏駿, 蘇燕, 慕繼瑞, 張立立, 李永生, 何文苗, 郝賢偉
【申請(qǐng)人】浙江中煙工業(yè)有限責(zé)任公司