摘要
为实现对半夏伪品的鉴别,采用高光谱技术并结合机器学习算法对半夏、水半夏和南星进行研究.首先使用小波变换方法对原始的高光谱数据进行预处理,然后结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)算法在全光谱中提取特征波长,建立了基于全光谱和特征波长的BP神经网络(BP)、支持向量机(SVM)和极限学习机(ELM)的分类判别模型.结果表明,3种特征波长提取方法均能有效提取特征波长,其中基于CARS算法提取的特征波长所建立的分类判别模型效果最佳,而且基于全光谱和CARS算法提取的特征波长建立的BP、SVM、ELM判别模型对训练集和测试集样本的分类识别率均达到了100％.最后,比较了基于全光谱和特征波长建立的ELM模型的运行时间,结果显示基于特征基于波长建立的判别模型运行时间远短于基于全光谱建立的判别模型.该研究为半夏药材的质量控制、伪品鉴别和临床应用奠定基础.
国家科技期刊平台
NSTL
维普
万方数据