一类基于模糊神经元的复杂非线性化学模式识别方法.pdfVIP

V o l. 22 高 等 学 校 化 学 学 报 　N o. 11　 2 0 0 1 年 11 月 　　　　　　　CH EM ICAL JOU RNAL O F CH IN E SE UN IV ER S IT IE S　　　　　　　　　 1813～ 1818　 一类基于模糊神经元的复杂非线性 化学模式识别方法 程翼宇　赵明洁 (浙江大学化学工程与生物工程学系、制药工程研究所, 杭州 3 10027) 摘要　针对模式类别边界曲折而模糊的复杂化学模式分类问题, 提出一种化学模式模糊分类方法, 并给出 其模糊神经元分类器设计和网络训练算法, 使模糊神经元分类器具有学习功能. 以一个应用实例检验了该 方法的实效. 关键词　复杂化学模式识别; 模糊模式分类; 模糊神经元分类器 中图分类号　 652. 7　　　　文献标识码　 　　　　文章编号　025 10790 (200 1) O A 在植物药物等许多领域中, 天然产物的化学组分与其生物效应间关系的辨识问题极为重要, 这不 仅与天然产物制品的质量评价标准密切相关, 而且制约着天然产物新产品设计与开发的速度. 辨析天 然产物组效关系的根本 目的在于揭示其化学组分与生物活性或性能间的相关性. 由于各组分对天然产 物的整体生物活性的影响大小不同, 组分间交互作用与整合协同作用的关联难以分辨, 组效间的模式 类别边界相当模糊, 故在许多情况下即使测取了天然产物的全部化学组成, 也决不意味着可由此轻易 地解析出它们组效间复杂的非线性映射关系. 通常, 经典化学模式识别技术难以辨识复杂的组分间交 互作用及多组分协同作用, 因此急需发展一种用以整体揭示天然产物化学组分与生物活性间内在依存 关系的计算分析技术, 改变以往凭经验摸索建立天然产物质量标准的分散、盲 目及不规范的低效状 态, 从而解决天然产物质量评价问题. 大多数天然产物的组效关系是复杂的化学生物模式集, 模式类别边界曲折而模糊, 辨析这类模式 关系需要求解复杂的非线性化学模式识别问题, 与一般的化学模式识别问题有很大差别. 为研究建立 复杂对象组效关系的整体辨识策略, 本文以天然植物留兰香为典型实例, 提出一类面向复杂非线性化 学模式识别问题求解的模糊神经元分类算法. 该方法不仅易于利用已有的专家经验, 而且具有在线学 习功能, 学习结果还能以经验的形式给出, 物理意义明确, 应用十分方便, 适用于类别边界模糊的化 学模式分类问题, 分类准确性明显高于其它化学模式分类方法. 1　模糊模式分类器的结构和分类过程 首先, 设输入模式 用维矢量 = [ , , …, ]B 表示, 全体模式被分成 个模式类, 以 标记 m x x 1 x 2 x m k C i ( i= 1, 2, …, k). 对于输入模式 x , 普通模式分类器将 x 划归于某一模式类 C i , 但