基于贝叶斯决策近红外光谱药片分类方法.pdfVIP

第4 1 卷 分析化学 (FENXI HUAXUE )摇 研究简报 第2 期 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 2013 年2 月 Chinese Journal of Analytical Chemistry 293 ~296 DOI:10.3724/ SP.J.1096.2013.20317 基于贝叶斯决策的近红外光谱药片分类方法 * 1,2 1 2 1 1 1 3 周 扬 摇 吕进 摇 戴曙光摇 刘铁兵摇 施 秧摇 葛丁飞摇 李博斌 1 (浙江科技学院近红外应用技术研究室,杭州310023 ) 2 3 (上海理工大学光电信息与计算机工程学院,上海200093 )摇 摇 (国家黄酒产品质量监督检验中心,绍兴312071) 摘摇 要摇 针对药片近红外光谱法分类过程中校正集样本数量过少且各类样本数量不均导致分类误差问题, 提出了基于贝叶斯决策的分类方法。 本方法对校正集样本在各类中的先验概率密度和各类药片光谱的类条 件概率密度进行了估计,利用贝叶斯全概率公式计算了待分类光谱分属于各类的后验概率,根据后验概率大 小对药片分类。 实验随机选取4 类数量不等的西酞普兰药片70 片,建立贝叶斯决策分类模型,对20 片验证 集药片进行分类,各类的分类灵敏度和特异度均达到了100% ,对比判别最小二乘法的分类结果,验证了贝叶 斯决策分类法能将样本及其近红外光谱的分布信息参与分类决策,提高了分类的准确性和适应性。 关键词摇 药片分类;近红外;贝叶斯决策;参数估计 1摇 引摇 言 近红外光谱分类识别作为一种无损、快速检测技术,已广泛应用于制药行业。 在制药过程的在线控 [1 ~3] 制,药物活性成分检测和真假药的判别等领域都有成功应用的报道 。 随着化学计量学的发展,一些 [4 ~6] 模式识别方法,如神经网络、支持向量机 等被成功应用于近红外光谱的建模分析,提高了分类模型 的预测精度和稳健性。 对模式识别方法不断改进,运用波长特征选择和变换方法,将建模策略应用到 建模过程是药品光谱分析的主要研究方向。 但是这些研究却很少涉及建模药品本身数量、分布等情况。 [7] [8] 在样本足够多的情况下,纵然可以使用样本选择方法 和局部样本建模策略 进行样本选择性建模,而 实际情况往往是建模样本数量少,不同类样本的数量不均,使得预测结果向样本数量最多的模式类倾 [9] 斜 ,导致预测结果的偏差。 通常,校正集样本在不同类中应具有均匀分布,而在样本数量不多和不同模式类样本不均匀的情况 [10] 下,单纯使用有监督的模式识别方法会产生偏差 。 针对上述问题,根据贝叶斯概率决策(Bayesian )理 论,用校正集样本的先验概率分布和类条件概率分布推算待分类样本在不同模式类后验概率分布,提出 了根据后验概率大小对验证集样本进行分类决策的方法。 本实验采集了4 类不同药片的近红外光谱, 在校正集样本数量小、样本总体在不同类中非均匀分布情况下,研究了贝叶斯决策法在药品近红外光谱 分类应用中的可行性和有效性。 2摇 实验部分 2.1摇 药片样本与光谱采集 实验用药片及分类数据由丹麦哥本哈根大学提供。 样本为西酞普兰(Ci