基于分步相关成分分析的中药材质量鉴别神经元分类器

作者：范骁辉; 程翼宇

来源：高等学校化学学报, 2004, (12): 2227-2231.

DOI：10.3321/j.issn:0251-0790.2004.12.005

• 中药材质量评价
• 当归
• 模式特征提取
• 化学模式分类
• 神经元分类器

提出并构建了一种基于分步相关成分分析的神经元分类器 ( SCCA-HBP) ,并将其用于中药材质量模式分类 .通过从色谱分析所得到的高维数据集中分步提取分类相关成分 ,获取化学模式特征向量 ,使神经元分类器输入模式向量的维数降低 .此外 ,提出用带输出误差死区的混合 BP算法训练神经元分类器 ,提高了网络学习训练速度和分类准确性 .以 3 2个当归样品质量等级分类鉴别为例考察本方法 ,分类正确率为1 0 0 % ,优于 PCA-BP( 84.4% )和 SCCA-BP( 90 .6% )方法 ;且训练时间仅为 BP算法的 5 4.2 % .

• 单位
  浙江大学