目的 利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal com-ponent analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别.方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4000~12500 cm-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9000~4100 cm-1为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维.根据2维主成分平面散点图,优选最佳预处理方法.利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优.对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型.结果 在6500~5400 cm-1谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%.结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模
作者:郭云香;陈龙;李晓瑾;王果平;蒋益萍;辛海量;贾晓光
来源:药学实践杂志 2019 年 37卷 4期