10.13748/j.cnki.issn1007-7693.2023.04.007
基于多种算法建立牡蛎及石决明的拉曼光谱鉴别模型
目的 利用拉曼光谱建立多种算法的定性模型,用于贝壳类动物药牡蛎和石决明的鉴别分析.方法 采集32批牡蛎和29批石决明共计366个样品的拉曼光谱,光谱在Matlab软件中作Savitzky-Golay平滑滤波、Scale Normalization for Image Pyramids基线校正、归一化预处理,并对全部及特征波段进行主成分分析降维.使用K最邻近法、决策树算法、判别分析法、集成学习法、支持向量机、人工神经网络6种分类算法建立鉴别模型,通过贝叶斯优化对前5种模型性能进行提升.结果 预处理后拉曼信号峰明显,降维后牡蛎和石决明有聚类趋势.建立以200~310,670~740,1 050~1 100 cm-1为特征波段的5种算法鉴别模型,相比于全波段模型,除集成学习法、支持向量机外,其他算法准确率均有一定的提高.贝叶斯优化后,有3种模型训练集准确率达到98%,测试集准确率达到100%.采用人工神经网络建模分类,训练集、验证集、测试集的正确率均达到100%,能够准确地区分牡蛎和石决明.结论 基于多种算法或IP建立了牡蛎及石决明拉曼光谱鉴别模型,预测效果均较为理想,其中人工神经网络模型可实现牡蛎和石决明的百分百准确、快速鉴别.
拉曼光谱、分类算法、鉴别模型、牡蛎、石决明
40
R917(药物基础科学)
中药材及饮片质量控制重点实验室项目;中药材及饮片质量控制重点实验室项目
2023-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
477-482