基于贝叶斯决策的近红外光谱药片分类方法
针对药片近红外光谱法分类过程中校正集样本数量过少且各类样本数量不均导致分类误差问题,提出了基于贝叶斯决策的分类方法.本方法对校正集样本在各类中的先验概率密度和各类药片光谱的类条件概率密度进行了估计,利用贝叶斯全概率公式计算了待分类光谱分属于各类的后验概率,根据后验概率大小对药片分类.实验随机选取4类数量不等的西酞普兰药片70片,建立贝叶斯决策分类模型,对20片验证集药片进行分类,各类的分类灵敏度和特异度均达到了100%,对比判别最小二乘法的分类结果,验证了贝叶斯决策分类法能将样本及其近红外光谱的分布信息参与分类决策,提高了分类的准确性和适应性.
药片分类、近红外、贝叶斯决策、参数估计
41
O21;TQ4
国家自然科学基金项目51075280;浙江省重大科技专项和优先主题计划项目2010C11060;浙江省自然科学基金项目.Y1100219、Y4110235;浙江省质监系统2011年度科研计划项目20110234
2013-04-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
293-296