基于LSA与PCA的常见滋补中药NIR聚类.pdfVIP

第30卷，第6期 光谱实验室 V01．30，No．6 0 2 1 ChineseJournal 3年11月 of 3 SpectroscopyLaboratory 陈晓峰② 龙长江 (华中农业大学工学院武汉市洪山区狮子山街1号430070) 摘要潜在语义分析在信息检索领域应用较多，但在近红外光谱领域应用较少。利用近红外漫反射 光谱技术，结合潜在语义分析(LSA)和主成分分析(PCA)，比较了不同预处理方法、不同奇异值和主成分 个数对所建模型的影响，最后确定的模型校正集误判数分别为4和3。用建立的校正模型对验证集进行验 证，总的识别率分别达到了96．oo％和96．50％。对于功效较近、难以聚类的滋补中药，潜在语义分析是一 种新的有效的方法。 关键词滋补中药；近红外光谱；潜在语义分析；主成分分析 中图分类号：0657．33 文献标识码：A 文章编号：．1004—8138(2013)06—2747—05 1 引言 具有滋补作用的中药被称为滋补中药，一般分为补气、补血、滋阴、壮阳四类。滋补中药在人们 的日常生活中有着非常重要的地位，因此它们的分类在现代中药产业中尤显重要。但是，由于不少 滋补中药材的外观结构类似、功效相近，同时传统的中药材的分类方法破坏性强、正确率低[1]，所以 传统的分类方法已被更好的方法所替代。 到了广泛的应用。在中药领域，近红外光谱技术已在中药的真伪‘引、品种Ⅲ、产地‘5】、成分‘63等多方 面得到了良好的应用。但是，目前国内外对于中药材的近红外分析主要还是针对少数若干种药材的 分析，对某一类中药材利用近红外光谱来进行分析的较少[7剧。同时，中药材成分复杂，其近红外光 谱吸收强度低、谱带复杂、重叠严重，故需要借助适当的分析方法将其所含的定性定量信息提取出 来。本文拟在近红外光谱基础上，利用潜在语义分析(LSA)方法和原理上有些类似、应用较为成熟 的主成分分析(PCA)方法来提取定性信息，分别对20种常见滋补中药进行分类与对比分析。 2 实验部分 2．1仪器与材料 采用AntarisII型FTNIR光谱仪(美国Thermo 用于光谱采集，TQAnalyst8．0软件用于光谱分析)。 补气、补血、滋阴、壮阳4类滋补中药材采购于中药材店。每类5种共20种，每种药材60个共 ①国家自然科学基金项目 作者简介：陈晓峰(1988一)，男，湖北省荆州市人，在读硕士，主要从事近红外检测研究。 龙长江(1975一)．男．湖北省荆州市人．副教授．博士后．主要从事近红外检测与自动控制研究。 收稿日期：2013—06—13；接受日期：2013—06-24 万方数据 光谱实验室 第30卷 于建立判别模型，验证集用于检验模型的预测性能。详见表1。 表1样本详情 2．2光谱采集 对每种药材进行干燥、粉碎、筛选(600目筛)处理后，采用漫反射方式进行样品光谱采集。实验 时，保持室内的温度和湿度基本一致，将样本倒人样品杯中，充分压实。每个样不同位置分别采集3 次，分辨率8cm～，数据格式为Log(1／R)。每种药材取一个样本的原始光谱图见图1。 兰1．0 苟 3 0．6 坡数P／cml 图1样本原始近红外光谱 2．3分析方法 2．3．1潜在语义分析原理 Semantic 潜在语义分析口3(Latent 方法。在不需要了解词语含义的情况下，潜在语义分析技术根据与某语义词汇伴生词语出现的频 次，将相近语义