基于近红外光谱的安胎丸生产年份预测方法

• 作者: 肖环贤 葛发欢 郑恩让 陈蓓 马晋芳
• 来源期刊: 光谱学与光谱分析
• 学科: 医学
• 关键词: 近红外光谱 安胎丸 年份预测 连续投影算法 粒子群优化结合支持向量机
• 年，卷（期）: 2020,（8）
• 页码范围: 2592-2597
• 页数: 6页
• 分类号: R286.0
• 字数: 3883字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2020)08-2592-06

摘要

随着中药制剂存储时间的延长,其有效成分含量逐渐降低.化学检测手段损耗样品、检测时间长、成本高,利用近红外光谱对不同年份的经典名方安胎丸进行年份鉴别.为探讨这种无损、快速质量控制方式的可行性,采集了三年的105粒样本在1000～1799 nm波段近红外光谱吸光度数据,随机选择80个作为训练集,25个作为测试集.首先采用连续投影算法(SPA),消除原始光谱数据中的冗余信息,对输入全光谱进行优化降维,根据测试集的内部交叉验证均方根误差值,从输入的800个波长中提取出11个特征波长,分别是:(1692,1714,1405,1001,1114,1478,1514,1788,1202,1014,1164)nm;然后建立支持向量机(SVM)分类模型,由于SVM模型中的参数选取对分类正确率影响很大,利用粒子群优化(PSO)算法,对SVM模型中惩罚参数C和核函数参数进行寻优,形成PSOSVM分类模型;最后将SPA降维后的特征波长输入到PSOSVM分类算法中.用Matlab软件进行仿真测试,分别构建SVM,SPA-SVM和本文的SPA-PSOSVM三种方法分类模型,分类测试正确率分别达到了76%,92% 和100%.从仿真结果可以看出,SPA波长优选可有效地降低光谱信息中存在的冗余信息,减少建模所需的时间,结合PSOSVM分类模型降低了模型的复杂度,提高分类精度.结果证实,依照所建立的利用近红外算法,可以准确无损区分中药制剂安胎丸生产的年份,该研究可为中药制剂年份间差异评价提供一种思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑恩让	陕西科技大学电气与控制工程学院	123	764	13.0	20.0
2	陈蓓	陕西科技大学电气与控制工程学院	17	35	4.0	5.0
3	葛发欢	中山大学药学院	49	213	7.0	12.0
4	马晋芳		1	0	0.0	0.0
5	肖环贤		1	0	0.0	0.0