針對中藥三維熒光光譜信號非線性問題,應用局部線性嵌入算法(LLE)對補虛類中藥三維熒光光譜信號進行特征提取。使用熒光光譜儀測得不同濃度的24味補虛類中藥的三維熒光光譜和等高線光譜圖,并利用總體平均經驗模態(tài)分解(EEMD)算法進行降噪處理,在此基礎上,采用LLE算法對經過降噪處理后的三維熒光光譜數據進行特征提取;然后,應用隨機森林(RF)算法對提取的特征向量進行分類識別。為了驗證LLE算法的有效性,將其與主成分分析(PCA)算法進行比較。實驗結果表明:LLE-RF組合算法分類準確率達95%,比PCA-RF算法分類準確率高,從而驗證了該算法的有效性。

【文章頁數】：6 頁

【部分圖文】：

圖2人參溶液等高線圖

圖1人參溶液三維熒光光譜圖由圖1、圖2可以看出，在激發(fā)波長270～370nm、發(fā)射波長240～440nm范圍內存在主熒光峰與次熒光峰，在激發(fā)波長220～320nm、發(fā)射波長440～540nm范圍內存在噪聲。利用EEMD對熒光光譜數據降噪，降噪后的三維熒光光譜圖及等高線圖....

圖3降噪后的人參溶液三維熒光光譜圖

由圖1、圖2可以看出，在激發(fā)波長270～370nm、發(fā)射波長240～440nm范圍內存在主熒光峰與次熒光峰，在激發(fā)波長220～320nm、發(fā)射波長440～540nm范圍內存在噪聲。利用EEMD對熒光光譜數據降噪，降噪后的三維熒光光譜圖及等高線圖如圖3、圖4所示。由圖3、圖....

圖4降噪后的人參溶液等高線圖

(3)由該中藥光譜的局部重建權值矩陣和其近鄰點計算出該樣本點的輸出值，即d維嵌入值，并且映射條件應該滿足:損失函數最小，即為了保證上式有唯一解，低維嵌入應該滿足

圖5r不同時LLE-RF分類正確率變化情況

由表4可以看出，LLE-RF與PCA-RF模型分類精度不同。LLE-RF模型的分類準確率達到95%,PCA-RF模型的分類準確率為90%。此外，LLE-RF模型運行時間較PCA-RF短。圖6LLE-RF模型預測結果

本文編號：3913602