基于FTIR技术和稀疏线性判别分析的秦艽种类鉴别

摘要：

傅里叶变换红外光谱通常包含有大量的波长变量点,对其进行定性分析需要建立稳健的、可解释性的分类模型.稀疏线性判别分析(SLDA)是一种较为新颖和有效的机器学习算法,常用于高维度、小样本数据的变量筛选和判别分析,SLDA通过在线性判别分析中引入正则项,使分类器训练过程和变量选择过程同时完成,不同判别方向上载荷系数的稀疏性则增强了模型的可解释性.采集甘肃不同产地的秦艽样本94个,其中麻花秦艽(Gentiana straminea Maxim)30个,黄管秦艽(Gentiana of ficinalis)28个,大叶秦艽(Gentiana macrophylla Pall)36个,利用傅里叶变换红外光谱法获得所有样本的光谱图.取其中70个样本构成训练集,剩余24个为测试集.使用训练集建立SLDA模型,对2个判别方向上不为0的载荷系数个数进行网格化寻优,得到了最优的参数空间.利用建立的SLDA模型对测试样本进行预测,其分类准确率达到100％,实现了对三种秦艽的快速、准确鉴别.实验结果表明,与PLS-DA方法相比,SLDA模型在分类准确率、稀疏性及可解释性方面均具有一定优势,是一种新颖、有效的光谱定性分析方法.

关键词：秦艽、傅里叶变换红外光谱、正则化、稀疏线性判别分析、变量选择

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央本级重大增减支项目"名贵中药资源可持续利用能力建设"子课题"秦艽全国生产区划研究"项目20603020212 ,国家自然科学基金项目81660577 ,甘肃省自然科学基金项目1506RJZA046 ,甘肃省中医药管理局项目GZK-2013-44

在线出版日期：2018-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2390-2394