本文關鍵詞：稀疏降噪自編碼算法用于近紅外光譜鑒別真假藥的研究

  更多相關文章： 近紅外光譜 真假藥鑒別 自編碼網絡 白化

【摘要】：近紅外光譜分析技術作為一種快速、無損檢測技術十分適用于真假藥品現(xiàn)場鑒別。自編碼網絡作為當前機器學習領域研究的熱點受到廣泛關注,自編碼網絡是一種典型的深度學習網絡模型,它比傳統(tǒng)的潛層學習方法具有更強的模型表示能力。自編碼網絡使用貪婪逐層預訓練算法,通過最小化各層網絡的重構誤差,依次訓練網絡的每一層,進而訓練整個網絡。通過對數據進行白化預處理并使用無監(jiān)督算法對輸入數據進行逐層重構,使網絡更有效的學習到數據的內部結構特征。之后使用帶標簽數據通過監(jiān)督學習算法對整個網絡進行調優(yōu)。首先對真假琥乙紅霉素片的近紅外光譜數據進行預處理以及白化預處理,通過白化處理降低數據特征之間的相關性,使數據各特征具有相同的方差。數據處理之后利用稀疏降噪自編碼網絡針對真假藥品光譜數據建立分類模型,并將稀疏降噪自編碼網絡模型與BP神經網絡以及SVM算法在分類準確率及算法穩(wěn)定性方面進行對比。結果表明對光譜數據進行白化預處理能有效提升稀疏降噪自編碼網絡的分類準確率。并且自編碼網絡分類準確率在不同訓練樣本數量下均高于BP神經網絡,SVM算法在少量訓練樣本的情況下更有優(yōu)勢,但在訓練數據集樣本數達到一定數量后,自編碼網絡的分類準確率將優(yōu)于SVM算法。在算法穩(wěn)定性方面,自編碼網絡較之BP神經網絡和SVM算法也更穩(wěn)定。使用稀疏降噪自編碼網絡對真假藥品近紅外光譜數據進行建模,能對真假藥品進行有效的鑒別。
【作者單位】： 桂林電子科技大學電子工程與自動化學院;北京郵電大學自動化學院;中國食品藥品檢定研究院;
【關鍵詞】： 近紅外光譜 真假藥鑒別 自編碼網絡 白化
【基金】：國家自然科學基金項目(21365008,61105004) 廣西自然科學基金項目(2012GXNSFAA053230,2013GXNSFBA019279) 廣西信息科學實驗中心重點基金項目(2012-02) 廣西高等學校優(yōu)秀人才資助計劃項目(桂教人[2011]40號) 桂林電子科技大學研究生教育創(chuàng)新計劃項目(GDYCSZ201478)資助
【分類號】：R927;TP181;O433.4
【正文快照】： 2.北京郵電大學自動化學院,北京1008763.中國食品藥品檢定研究院,北京100050引言藥物與人們的生活息息相關,但是市場上充斥著大量的假冒偽劣藥品。假如不慎服用假藥不但不能起到治療疾病的效果,反而會對人體產生危害。因此真假藥的鑒別有重要意義。近紅外光譜分析技術以其分析

【相似文獻】

中國期刊全文數據庫 前10條

1 韓潤平,李建軍,楊貫羽,鮑改玲;結合重金屬前后浮萍的紅外光譜比較[J];光譜學與光譜分析;2000年04期

2 孫培艷,王修林,鄒潔,高振會;原油紅外光譜鑒別中的小波分析法[J];青島海洋大學學報(自然科學版);2003年06期

3 王平,陳澤琴,謝洪平,蔡鐸昌;不同產地中藥材的近紅外光譜初步研究[J];西華師范大學學報(自然科學版);2004年01期

4 王多加,周向陽,金同銘,胡祥娜,鐘嬌娥,吳啟堂;近紅外光譜檢測技術在農業(yè)和食品分析上的應用[J];光譜學與光譜分析;2004年04期

5 張平;原位紅外光譜考察分子篩表面酸性質[J];廣州大學學報(自然科學版);2004年01期

6 李光;趙艷麗;張榮香;趙曉輝;李曉葦;;茶葉紅外光譜的測量條件研究[J];河北大學學報(自然科學版);2009年04期

7 ;新書快訊:《傅里葉變換紅外光譜分析》(第2版)簡介[J];光譜學與光譜分析;2010年11期

8 ;新書快訊:《傅里葉變換紅外光譜分析》(第2版)簡介[J];光譜學與光譜分析;2011年02期

9 ;新書快訊:《傅里葉變換紅外光譜分析》(第2版)簡介[J];光譜學與光譜分析;2011年01期

10 ;新書快訊:《傅里葉變換紅外光譜分析》(第2版)簡介[J];光譜學與光譜分析;2011年09期

中國重要會議論文全文數據庫 前10條

1 甄夢章;;紅外光譜解析程序[A];全國第六屆分子振動光譜學術報告會文集[C];1990年

2 崔繼承;趙振武;丁東;唐玉國;;納米自潔凈玻璃近紅外光譜特性分析[A];第三次全國會員代表大會暨學術會議論文集[C];2002年

3 吳婧;郁露;孫素琴;;栽培與野生丹參的紅外光譜三級鑒定研究[A];第十四屆全國分子光譜學術會議論文集[C];2006年

4 梁逸曾;范偉;陳愛明;張志敏;;近紅外光譜軟件的設計和實現(xiàn)[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 譚福元;李夢龍;馮曉瑜;張婧;;紅外光譜譜構關系探討[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

6 杭義萍;王海水;;紅外光譜:消除水溶液中水吸收峰干擾的新方法[A];中國化學會第28屆學術年會第9分會場摘要集[C];2012年

7 王海水;席時權;;紅外光譜與長烴鏈化合物的結構[A];全國第13屆分子光譜學術報告會論文集[C];2004年

8 謝狄霖;;紅外光譜信息管理系統(tǒng)[A];全國第13屆分子光譜學術報告會論文集[C];2004年

9 邱江;潘紅春;葉勤;張嗣良;;紅外光譜監(jiān)測糖化酶發(fā)酵過程[A];全國第10屆分子光譜學術報告會論文集[C];1998年

10 孫寧邦;;氣相色譜或放出氣體分析與付立葉變換紅外光譜聯(lián)用的模塊式接口[A];全國第五屆分子光譜學術報告會文集[C];1988年

中國重要報紙全文數據庫 前10條

1 記者 李犁;近紅外光譜專業(yè)委員會云南物聯(lián)站成立[N];云南日報;2011年

2 陳銳;紅外光譜三分鐘診腫瘤[N];健康報;2004年

3 馬斌睿;紅外光譜用于中藥質控大有可為[N];中國中醫(yī)藥報;2003年

4 陳銳 郭曉斌;紅外光譜快速準確診斷腫瘤[N];家庭醫(yī)生報;2004年

5 張東風 本報記者　　;紅外光譜能否成為中藥檢測標準[N];中國中醫(yī)藥報;2005年

6 史春香 楊悅武 郭祝元;近紅外光譜用于中藥質控前景廣闊[N];中國醫(yī)藥報;2006年

7 陳銳 郭曉斌;只用3～5分鐘紅外光譜實現(xiàn)快速準確診斷腫瘤[N];醫(yī)藥經濟報;2004年

8 記者 張東風;紅外光譜可用于中藥生產質控[N];中國中醫(yī)藥報;2011年

9 陳銳;紅外光譜——診斷腫瘤又一利器[N];大眾衛(wèi)生報;2004年

10 龔翔;中藥快速識別的“武器”[N];中國醫(yī)藥報;2003年

中國博士學位論文全文數據庫 前10條

1 薛曉康;電化學表面增強紅外光譜的應用與發(fā)展[D];復旦大學;2008年

2 杜國榮;復雜體系近紅外光譜建模方法研究[D];南開大學;2012年

3 郝勇;近紅外光譜微量分析方法研究[D];南開大學;2009年

4 程旺興;醌類中藥小分子電子轉移機理研究—紅外光譜電化學循環(huán)伏吸法和導數伏吸法[D];安徽大學;2012年

5 賀英;基于半監(jiān)督和遷移學習的近紅外光譜建模方法研究[D];中國海洋大學;2012年

6 王金意;鈀、鎳及其非金屬合金電極的表面紅外光譜與應用研究[D];復旦大學;2010年

7 單瑞峰;近紅外光譜建模方法及溫度效應研究[D];南開大學;2014年

8 劉海;基于變分模型的紅外光譜超分辨率方法研究[D];華中科技大學;2014年

9 嚴彥剛;表面增強紅外光譜在鉑族電極上的拓展及應用[D];復旦大學;2007年

10 黃正國;基質隔離—紅外光譜和量化計算研究金屬原子與甲醇及乙炔的反應[D];復旦大學;2004年

中國碩士學位論文全文數據庫 前10條

1 白沙沙;雙邊夾原理在紅外光譜中的應用[D];華南理工大學;2015年

2 劉明地;紅外光譜結合計算機解析技術對青海枸杞的鑒別研究[D];青海民族大學;2015年

3 徐娟;云南不同類型土壤的元素含量測定及紅外光譜分析[D];云南師范大學;2015年

4 汪銳;太陽系天體有機物質的芳香性與脂肪性[D];南昌大學;2015年

5 彭惜媛;12種種子類藥材多級紅外光譜分析與鑒定[D];佳木斯大學;2015年

6 洪向前;頻域近紅外光譜醫(yī)用檢測系統(tǒng)的研究[D];電子科技大學;2015年

7 王昱陸;基于可見/近紅外光譜的生鮮豬、牛、羊肉識別方法研究[D];新疆農業(yè)大學;2015年

8 馬曉晨;近紅外光譜無損檢測霉變板栗的研究[D];北京林業(yè)大學;2016年

9 周銘;血小板聚集功能的檢測—光譜學及軟X線成像研究[D];安徽醫(yī)科大學;2016年

10 李祥輝;近紅外光譜在食品檢驗及生物分析中的應用研究[D];福州大學;2013年

，

本文編號：704647