基于偏最小二乘回归的类模型方法用于中药牛黄的真伪鉴别

梁永强 | -> | 1351| 1| 1.085611MB |化学模式识别,类模型,独立软模式类簇法,偏最小二乘回归类模型

梁永强 梁永强 | 文档量 |浏览量34012

摘 要 针对独立软模式类簇法( SIMCA )在确定主成分数和决策区间时遇到的困难, 提出了一种基于PLSR的类模型方法) ) ) PLS类模型方法( PLSCM )。通过把类描述问题转化为常见的PLSR问题, 采用成熟的蒙特卡罗交互验证法确定模型的隐变量数和决策区间。采用本方法对不同牛黄样品的近红外光谱数据( 波长范围4000~ 9000 cm- 1 )进行分析, 可成功鉴别牛黄的真伪。本方法的可操作性和鉴别准确率均优于经典的SIMCA方法。对于原始光谱数据, PLSCM 的训练和预测准确率均为100%, 对于经SNV 处理的数据, 训练和预测准确率分别为99%和100%。
    化学模式识别通过对化学对象的各种物理、化学、生物和形态等本质特征的测量数据进行信息提取和数据分析, 最终实现对研究对象的聚类和分类[ 1] 。目前, 化学模式识别方法, 尤其是分类方法已经在众多领域获得了广泛应用[ 2~ 5 ] 。
    根据训练集包含的样品的范围, 分类方法可分为判别分析方法和类模型方法。判别分析方法的训练集包含多种类别的样品, 如线性判别分析( LDA )、k-近邻法( kNN )、偏最小二乘判别分析法( PLSDA )和支持向量机( SVM )等[ 6] 。判别分析根据训练集样品进行学习, 可将已知的两类或多类样品分类, 但是当未知样品属于训练集以外的类时, 判别分析方法将导致错误结论。类模型方法所用的训练集仅包含目标类样品, 目的是通过建立目标类的类模型, 鉴别目标类样品和所有的非目标类样品。一个典型的需要类模型的问题是原产地域产品的保护, 由于不可能对所有的非原产地域产品进行完全采样, 而分析目标是区分原产地域保护产品和其它所有非原产地域保护产品, 此时判别分析方法是不可行的。类模型的代表性方法有软独立模型类簇法( Self independentmode ling of class ana logy, SIMCA) [ 7] 、UNEQ和势函数模型法[ 8] ,其中最常用的是S IMCA。SIMCA 是一种基于主成分分析的类模型方法, 对于复杂量测数据, SIMCA 经
常遇到的问题是主成分数和决策区间的确定[ 9~ 11] 。因此, 本研究提出了基于偏最小二乘回归( Part ia lleast squares reg ression, PLSR) [ 12 ] 的类模型方法( PLS classmode,l PLSCM) , 模型的隐变量( Latenvariab les, LV )数和决策区间均由蒙特卡罗交互验证(Monte Carlo cross validat ion, MCCV ) [ 13] 确定。
    天然牛黄是牛科动物的干燥胆结石, 可用于治疗中枢神经系统、造血系统、肝脏和胆囊等器官的疾病, 也可用于预防炎症和传染性的疾病。天然牛黄是一种极珍贵的中药。本研究将PLSCM 结合近红外光谱法用于天然牛黄样品和人工、掺杂牛黄样品的鉴别, 并与SIMCA模型的结果进行了比较。
梁永强发布的其他共享资料
    0 色谱币 下载

基于偏最小二乘回归的类模型方法用于中药牛黄的真伪鉴别

(1085.611K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 鄂ICP备19022139号-2