红外光谱与人工神经网络相结合识别栽培、野生黄芩和粘毛黄芩

作     者：徐永群 孙素琴 周群 蔡少青 

作者机构：清华大学化学系 北京大学生药系北京100083 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2002年第22卷第6期

页      面：945-948页

核心收录：

学科分类：100703[医学-生药学] 1007[医学-药学(可授医学、理学学位)] 10[医学] 

基　　金：国家中医药管理局科技重大项目 国中医药科 2 0 0 1ZDZX0 1 

主　　题：红外光谱 人工神经网络 FTIR 模式识别 ANN 栽培黄芩 野生黄芩 粘毛黄芩 药材识别 

摘      要：为了识别栽培黄芩、野生黄芩和粘毛黄芩 ,采用非线性 线性、线性 线性、非线性 非线性三种模式的人工神经网络 (ANN)分别分析各种黄芩的红外谱。我们采用 4 2个样本作训练集 ,34个样本作检验集 ,用各种模式的ANN进行了监督性训练。当训练目标误差平方和定为 0 0 1时 ,各类ANN对训练集中三类黄芩样本识别的正确率均为 10 0 % ,但对检验集样本识别的结果各不相同 ,其识别的正确率与隐含层节点数S1有关。我们发现当S1较大时 ,识别正确率反而下降 ,可能此时网络的非线性程度过高 ,使其不适合于该类样本集的训练。线性—线性型ANN识别的结果随S1的变化不很大 ,但识别的正确率不高 ,基本在 85 %左右。非线性—线性型ANN识别的结果最佳。当S1为 3时 ,其识别正确率超过了 97%。因此该法可用以简便、快速、准确地识别这三种黄芩药材。