支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究

• 作者: 张录达 李军会 杨丽明 王来生 苏时光
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 支持向量机 近红外光谱 化学计量学 中药大黄
• 年，卷（期）: 2005,（1）
• 页码范围: 33-35
• 页数: 3页
• 分类号: O657.3
• 字数: 2112字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-0593.2005.01.012

摘要

支持向量机(SVM)用于两类问题的识别研究, 它是统计学习理论中最年轻的分支, 所建分析模型有严格的数学基础. 同时介绍了SVM学习的基本原理和方法, 并将该方法引入化学计量学, 以103个中药大黄样品为实验材料, 通过SVM近红外光谱法建立了大黄样品真伪识别模型. 对学习集中33个样品模型识别准确率为100%; 对70个预测样品的识别准确率为96.77%, 为中药大黄的快速识别提供了参考. 研究结果表明了SVM近红外光谱法建立生物样品识别模型的可行性. 通过旨在介绍SVM学习方法的基本思想, 以引起化学计量学工作者的进一步关注.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张录达	中国农业大学理学院	80	1799	23.0	38.0
2	苏时光	中国农业大学理学院	8	125	6.0	8.0
3	李军会	中国农业大学信息学院	50	1068	16.0	31.0
4	王来生	中国农业大学理学院	49	555	14.0	20.0
5	杨丽明	中国农业大学理学院	25	212	9.0	13.0