中药光谱指纹图谱的特征提取.pdfVIP

中药光谱指纹图谱的特征提取 摘 要 本文实现了对未知的中药样本进行聚类，将未知样本归类到已知类，以便达到 鉴别其品质的目的。首先，本文共对来自 4 种不同培养条件的 54 个样本进行了大 类的划分，共划分为四类，然后提取每大类的前五个样本作为标准数据，即已知类 样本。随后使用正交小波快速算法中的 Mallat 算法，对 54 个所有原始数据进行五 层分解，得到其高频部分和低频部分的数据，因为分解后数据的低频部分保留了原 始数据的主要特征，所以只保留数据分解之后的低频部分，然后将小波变换后的所 有数据按照之前的方法分类，得到用于聚类的参照组数据。然后使用 k-近邻方法 对两组数据进行聚类。首先选择原始数据中的非已知类，求出它与已知类的 k 个近 邻，然后确定它的具体归类方案。然后选择对比组数据，即小波变换之后的数据进 行聚类。在两组数据都完成聚类之后，实验结果证明小波变换之后的数据聚类的准 确性明显优于原始数据，因此可以利用小波变换对原始数据进行处理，以便达到更 好的鉴定结果。 关键词：中药光谱指纹图谱，小波变换，特征提取，k-近邻 I 中药光谱指纹图谱的特征提取 Abstract This paper retaliate the cluster method for samples the cluster of Chinese medicine,puting the unknown samples to a forgone genus,in order to achieve the purpose of identification of its quality.First of all,this paper divide the total of four different environments of the 54 samples into four category,whith contain the first five samples,as the standard data.Then use the orthogonal wavelet fast algorithms Mallat algorithm to decompensate the 54 original data and get its high-frequency and low frequency part of the data, because the decomposition of the data after the low-frequency part of the reservation of the main features of the original data, so recreate the data of low low-frequency part, and then divide them by the mentioned former method as the reference group.Finally,use the k-near neighbors approach execute the clustering action. First choice of the original data in the non-known type, obtained with the kind of K-known neighbors, it will then determine the specific classified programme.Then select the comparison group of data, that is, after