多层梯度提升树在药品鉴别中的应用

• 作者: 冯艳春 李灵巧 杜师帅 杨辉华 胡昌勤 胡锦泉 邱天 郑安兵
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 近红外光谱分析 自适应特征选择 多层梯度提升决策树 代价敏感学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 260-273
• 页数: 14页
• 分类号: TP391
• 字数: 9652字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1901069

摘要

近红外光谱分析技术高效应用于药品分析领域.针对高维非线性的小规模近红外数据,传统的药品鉴别算法存在特征学习能力不足的缺陷,基于神经网络的方法有局部最优及过拟合等问题,且两者易忽略样本的不均衡性.针对以上劣势,提出一种基于特征选择与代价敏感学习的多层梯度提升树(CS_FGBDT)药品分类方法.首先采用Savitsky-Golay平滑和一阶导数对原始数据进行预处理;其次利用随机森林对预处理光谱自适应提取特征,并由多层梯度提升树进行特征映射;然后结合代价敏感学习机制将样本不均衡性的负效应降到最小.实验结果表明,在胶囊和药片两种不平衡数据集上对算法进行对比评估,该模型具有更高的预测精度和稳定性,是一种有效的药品鉴别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	北京邮电大学自动化学院	94	618	13.0	19.0
3	胡昌勤		136	446	12.0	16.0
4	李灵巧	桂林电子科技大学电子工程与自动化学院	22	118	7.0	10.0
7	冯艳春		19	73	5.0	7.0
8	杜师帅	北京邮电大学自动化学院	2	1	1.0	1.0
9	胡锦泉	北京邮电大学自动化学院	4	4	1.0	1.0
10	邱天	北京理工大学光电学院	1	1	1.0	1.0
11	郑安兵	北京邮电大学自动化学院	1	1	1.0	1.0