仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2012年
6期
1435-1440
,共6页
威淑叶%单婕%Ting Wong%凌雷%韩东海
威淑葉%單婕%Ting Wong%凌雷%韓東海
위숙협%단첩%Ting Wong%릉뢰%한동해
西洋参%原材料%近红外光谱%精选
西洋參%原材料%近紅外光譜%精選
서양삼%원재료%근홍외광보%정선
为确保药物成品质量的稳定均一,作为原材料的西洋参应保证纯正.采用近红外积分球漫反射光谱,首先对西洋参、人参原样光谱运用移动窗口偏最小二乘法(moving window partial least-squares regression,MWPLS)选择特征波段,建立最小二乘支持向量机(least-squares support vector machine,LS-SVM)种类鉴别模型挑选出西洋参样品,判别正确率为100％.然后将样品粉碎,人参以5％、10％、15％、20％掺入西洋参粉末,为增加样品代表性借助线性加和模拟光谱手段于4000 ～7000 cm-1建立主成分判别分析(principal component analysis discriminant analysis,PCA-DA)掺杂判别模型,预测判别正确率由97.2％上升至100％,区分出少量人参掺杂的西洋参样品,最终精选出西洋参原材料纯品.
為確保藥物成品質量的穩定均一,作為原材料的西洋參應保證純正.採用近紅外積分毬漫反射光譜,首先對西洋參、人參原樣光譜運用移動窗口偏最小二乘法(moving window partial least-squares regression,MWPLS)選擇特徵波段,建立最小二乘支持嚮量機(least-squares support vector machine,LS-SVM)種類鑒彆模型挑選齣西洋參樣品,判彆正確率為100％.然後將樣品粉碎,人參以5％、10％、15％、20％摻入西洋參粉末,為增加樣品代錶性藉助線性加和模擬光譜手段于4000 ～7000 cm-1建立主成分判彆分析(principal component analysis discriminant analysis,PCA-DA)摻雜判彆模型,預測判彆正確率由97.2％上升至100％,區分齣少量人參摻雜的西洋參樣品,最終精選齣西洋參原材料純品.
위학보약물성품질량적은정균일,작위원재료적서양삼응보증순정.채용근홍외적분구만반사광보,수선대서양삼、인삼원양광보운용이동창구편최소이승법(moving window partial least-squares regression,MWPLS)선택특정파단,건립최소이승지지향량궤(least-squares support vector machine,LS-SVM)충류감별모형도선출서양삼양품,판별정학솔위100％.연후장양품분쇄,인삼이5％、10％、15％、20％참입서양삼분말,위증가양품대표성차조선성가화모의광보수단우4000 ～7000 cm-1건립주성분판별분석(principal component analysis discriminant analysis,PCA-DA)참잡판별모형,예측판별정학솔유97.2％상승지100％,구분출소량인삼참잡적서양삼양품,최종정선출서양삼원재료순품.
