基于近红外光谱(NIR)和潜在语义分析(LSA)方法, 对５种典型壮阳中药材进行分类鉴别研究。利用潜在语义分析对光谱预处理后的5种壮阳中药材光谱数据进行特征提取和鉴别分类后, 将经光谱预处理和主成分分析(PCA)提取特征后的光谱特征数据分别带入K近邻(KNN)、BP神经网络(BP-ANN)和偏最小二乘支持向量机(LSSVM)三种典型的分类模型进行分类, 并将结果与潜在语义分析模型结果进行对比。 在4119.20~9881.46 cm-1波数范围内, NIR光谱数据经多元散射校正(MSC)预处理后, 代入潜在语言空间维数为3时所建立的LSA分类模型, 训练集和测试集准确率均达到了100%。 结果表明, 在壮阳类中药材的近红外光谱分析鉴别中, 潜在语义分析可以作为一种全新的提取光谱信息并分类的方法, 具有较好的运用前景和实际意义。

分别采集了茉莉花茶、 苦丁茶、 龙井和铁观音4个种类茶叶共120个样本， 利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量， 应用近红外光谱分析技术对茶叶进行定性和定量分析。 采用主成分分析法， 结合聚类分析法， 对4种类别的茶叶进行定性鉴别， 通过对不同光谱数据预处理方式和不确定因子系数进行比较， 确立了最优定性判别定标模型。 同时， 采用修正的偏最小二乘法， 比较不同光谱预处理方法对定标模型的影响， 建立了茶叶中水分、 茶多酚和咖啡碱含量的定量分析模型， 并对未知样本进行预测。 定性分析模型的种类识别准确率达到100％， 定量分析模型的决定系数均大于0.91， 相对分析误差RPD均大于3。 结果表明， 利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。