基于近紅外光譜的滋補(bǔ)中藥分類方法研究.pdf

1、近紅外光譜分析技術(shù)以其獨(dú)特的優(yōu)勢(shì)，被廣泛地應(yīng)用于中藥材分析各個(gè)領(lǐng)域。但是在中藥材分類鑒別方面，目前相關(guān)研究存在著樣品種類不全、數(shù)據(jù)可靠性范圍有限等問(wèn)題，有必要對(duì)一些常用藥材建立相應(yīng)的數(shù)據(jù)庫(kù)和系統(tǒng)鑒別方法。同時(shí)由于中藥材成分復(fù)雜，常規(guī)方法一般不易解析出其近紅外光譜所蘊(yùn)含信息，也不能就分類給出具體的光譜依據(jù)。為此本文對(duì)近紅外光譜定性分析技術(shù)作了相關(guān)研究，為滋補(bǔ)中藥材系統(tǒng)分類提供理論依據(jù)和技術(shù)支持。主要研究如下:
　　1.研究了近紅外光

2、譜分析技術(shù)在中藥材領(lǐng)域中的相關(guān)原理及應(yīng)用，著重探討了樣本選擇、光譜預(yù)處理、波長(zhǎng)優(yōu)化、定性分析等幾個(gè)方面。
　　2.建立了18種滋補(bǔ)中藥材的主成分分析-馬氏距離法、K-近鄰法、人工神經(jīng)網(wǎng)絡(luò)及支持向量機(jī)的近紅外光譜分類模型。結(jié)果表明K-近鄰法、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)都是較為有效的非線性分類方法，其中支持向量機(jī)法最為有效。最小二乘支持向量機(jī)中，當(dāng)取最小輸出編碼為多類編碼，主成分個(gè)數(shù)為6，懲罰系數(shù)γ和核參數(shù)σ2分別為2.1007和1.9

3、604時(shí)模型最佳。校正集和預(yù)測(cè)集判別率分別為95.37％和95.74％，模型有著突出的穩(wěn)定性和泛化能力。
　　3.提出了將潛在語(yǔ)義分析(LSA)具體應(yīng)用到滋補(bǔ)中藥材近紅外光譜分析中的相關(guān)方法。給出了文本潛在語(yǔ)義分析模型中，詞匯、文本、提問(wèn)式及詞匯-文本矩陣四個(gè)基本單元在近紅外光譜分析模型中的相關(guān)定義。同時(shí)詳細(xì)推導(dǎo)了計(jì)算過(guò)程及計(jì)算公式。另外還著重討論了對(duì)模型影響較大的詞匯-文本矩陣計(jì)算準(zhǔn)則函數(shù)和吸光度強(qiáng)度閾值。
　　4.通過(guò)1