摘要: 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32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100%,优于PCA-BP(84.4%)和SCCA-BP(90.6%)方法;且训练时间仅为BP算法的54.2%.
中图分类号:
TrendMD:
范骁辉, 程翼宇. 基于分步相关成分分析的中药材质量鉴别神经元分类器. 高等学校化学学报, 2004, 25(12): 2227.
FAN Xiao-Hui, CHENG Yi-Yu . A Neural Classifier for Identifying the Quality of Chinese Medicinal Materials Based on Stepwise Correlative Components Analysis. Chem. J. Chinese Universities, 2004, 25(12): 2227.