人工神经网络—红外光谱法用于中药大黄样品的鉴定研究

摘要

应用误差反向传播(BP)神经网络、径向基函数(RBF)神经网络和温度限制串联相关网络(TC-CCN),根据中药大黄样品的红外光谱数据,对正品和非正品大黄样品进行分类鉴定,并对影响分类结果的神经网络的各项参数进行研究.红外光谱数据经过小波变换压缩后输入神经网络,压缩前数据有775个点,压缩后为49个点.这样使变量数大为减少,提高网络的训练速度,又能保持特征峰.应用RBF网络,对大黄样品进行真伪分类,正确识别率为97.78％;应用BP网络,对样品的真伪的正确识别率为95.56％;应用TC-CCN网络,对样品的真伪的正确识别率为84.44％.红外光谱法作为中药的一种鉴别方法,具有快速、简便的特点.并且中药样品的红外光谱是多种官能团特征振动峰的叠加与组合,只要中药材的各成分组成相对稳定,其光谱就有一定的重现性.因此,利用红外指纹图谱有可能对中药进行鉴定.将光谱技术与神经网络方法结合起来使中药的鉴别更加简便和快速,且具有较高的正确识别率,可见该方法会成为中药鉴别的一种有效手段.

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章引言

1.1化学计量学的发展概况

1．2人工神经网络发展的历史

1.3人工神经网络的基本原理

1.3.1生物神经网络

1.3.2人工神经元

1.3.3神经网络的主要连接型式

1.3.4神经网络的学习模式

1.4人工神经网络在分析化学中的应用

1.4.1模式识别

1.4.2光谱分析

1.4.3环境检测与处理

1.4.4定量结构—性质相关(QSPR)预测

1.4.5其它

1.5研究意义与前景展望

1.6人工神经网络用于中药红外谱图的分类鉴别

参考文献

第二章径向基函数网络—红外光谱法用于中药大黄样品的真伪分类

2.1前言

2.2基本理论

2.3实验部分

2.3.1数据预处理

2.3.2网络模型验证

2.3.3分类

2.4结果与讨论

2.4.1大黄正品与伪品的红外光谱比较

2.4.2参数的选择

2.4.3分类结果

2.5结论

参考文献

第三章反向传播神经网络—红外光谱法用于中药大黄样品的真伪分类

3.1前言

3.2基本理论

3.3实验部分

3.3.1数据预处理

3.3.2网络模型验证

3.3.3分类

3.4结果与讨论

3.4.1大黄正品与伪品的红外光谱比较

3.4.2参数的选择

3.4.3分类结果

3.5结论

参考文献

第四章温度限制串联相关网络—红外光谱法用于中药大黄样品的真伪分类

4.1前言

4.2基本理论

4.3实验部分

4.3.1数据预处理

4.3.2网络模型验证

4.3.3分类

4.4结果与讨论

4.4.1大黄正品与伪品的红外光谱比较

4.4.2参数的选择

4.4.3分类结果

4.5结论

参考文献

攻读硕士学位期间发表的论文

致谢