论文部分内容阅读
黄芪作为一种中国传统中药材,对多种疾病具有药理作用。由于不同产地黄芪的价格和品质差异大但从形态上难以区分,因此建立不同产地黄芪的快速有效鉴别方法对完善黄芪药材的质量管理评价体系具有重要的意义。而目前模式识别方法结合仪器分析手段是黄芪等中药材品质鉴定的研究热点。特征提取方法一直是模式识别领域的研究重点,一个有效的、具备鲁棒性的特征提取方法对提高分类器的性能至关重要。本文使用核主成分分析(KPCA)对不同谱图数据进行特征提取,在稀疏表示分类器(SRC)的作用下,实现了不同产地黄芪的良好分类。实验证明,KPCA对于本文的数据提取效果良好,相比较于主成分分析(PCA)结合SRC,在9-交叉验证的基础上,识别率从59.99%提高到94.51%,从而建立了本文的核心模型KPCA+SRC。另外,就单谱数据而言,离子迁移谱数据对于不同产地黄芪的分类效果最好,并且在PCA和KPCA两种特征提取方法下保持了一致性。多谱融合技术是目前仪器分析方向的热门,它是将多个不同特点的仪器采集的数据结合后对样本进行综合分析。本文将拉曼光谱、紫外光谱和离子迁移谱采集的不同产地黄芪数据,从低层级和中层级两个级别的数据融合技术出发,对不同谱图数据进行有效组合,在KPCA+SRC模型下,给出了识别率较高的数据融合方案。实验证明,两谱图数据融合的前提下,紫外光谱和离子迁移谱数据中层级数据融合技术效果最好,识别率最高可以达到99.21%;而三谱图数据融合的效果并没有超越紫外光谱和离子迁移谱中层级数据融合技术的效果。另外,本文对于低层级和中层级两个级别的数据融合技术进行了分析比较;实验证明,低层级数据融合技术更为简单,识别率稳定性高,而中层级数据融合技术虽然在个别参数点可以达到比低层级数据融合方法更高的识别率,但整体识别率不够稳定,并且需要选择核主成分之间的组合,这也加大了算法复杂度。因此,就本文数据而言,选择低层级数据融合技术更为适宜。本文将KPCA+SRC模型结合多谱融合技术对不同产地黄芪进行鉴别,得到了良好的鉴别效果,为构建黄芪质量管理评价体系提供了一条切实可行的途径。