不同厂商(品牌)的药品仍存在一定的差异, 价格不同, 有销售商家用低廉药物产品换上假的大品牌包装在市场上高价销售。 无专利药品或无生产、 销售(如走私进口药)许可资质的药品也有可能贴上伪造的正规品牌包装在市场上出售。 这些药品逃避药物监管和审批程序, 损害消费者利益并给整个药物市场带来重大危害。 因此, 准确鉴别不同来源的药品在药品质量监管中具有重要意义。 近红外光谱分析(NIR)具有仪器成本低、 可直接测量、 可无损检测、 可现场检测等优点, 特别适合药品的快速建模分析。 采用近红外光谱直接鉴别出多个厂商、 品种的药品, 有重要应用价值同时又存在重大技术挑战, 主要体现在需要有效的提取特征器和合适的分类器。 自编码是深度学习方法中一个重要分支, 它主要用于数据的非线性降维特征提取。 变分自编码(VAE)是近年来最为流行的自编码算法, 它通过变分法学习输入数据的一族欠完备的单变量正态分布特征, 用以表示盲源因素对数据施加的影响, 具有较强的特征提取能力, 广泛应用于计算机视觉、 语音识别等领域, 在NIR分析方面未见报道。 基于VAE, 充分利用VAE既是特征提取器, 又是数据生成器的优点, 通过特殊设计的人工神经网络结构和损失函数, 构建面向多品种、 多厂商药品NIR分类模型。 以29个厂商生产的4种药品(盐酸二甲双胍片, 盐酸氯丙嗪片, 马来酸氯苯那敏片, 头孢呋辛酯片)的1 721个样本为实验对象, 建立药品的多品种、 多厂商分类鉴别实验。 对比SVM, BP-ANN, PLS-DA等传统化学计量学算法及稀疏自编码(SAE)、 深度信念网络(DBN)、 深度卷积网络(CNN)等深度学习算法, 其分类性能优良, 同时具有良好的鲁棒性和可扩展性。
近红外光谱 药品鉴别 多分类 深度学习VAE Near infrared spectroscopy Drug identification Multi-class classification Deep learning Variational Auto-encoding 光谱学与光谱分析
2020, 40(12): 3946
1 中国计量大学机电工程学院, 浙江 杭州 310018
2 浙江大学工业控制国家重点实验室, 浙江大学控制学院, 浙江 杭州 310027
3 浙江亚龙教育装备股份有限公司, 浙江 温州 325105
应用太赫兹时域光谱技术获取了赤霉素、 氯吡脲和噻苯隆的太赫兹时域谱图和参考信号的时域谱图, 并计算获得了折射率谱和吸收谱。 实验结果显示, 这三种植物生长调节剂在太赫兹波段内有着明显的特征吸收峰。 而后基于最小二乘支持向量机对十九种不同物质的太赫兹时域吸收光谱进行了分类检测, 并采用遗传算法和粒子群寻优算法对其进行了优化, 最后通过添加噪声测试了模型的鲁棒性。 该研究验证了太赫兹时域光谱技术用于药物成分检测的可行性, 为植物生长调节剂的检测和鉴别提供了新的实验方法。
太赫兹光谱 植物生长调节剂 吸收系数 最小二乘支持向量机 多类分类 Terahertz spectroscopy Plant growth regulators Absorption coefficient Least squares support vector machines Multi-class classification
1 海军航空工程学院 控制科学与工程系, 山东 烟台 264001
2 海军航空工程学院 七系, 山东 烟台 264001
针对传统支持向量机(SVM)在解决多类分类问题时需要训练多个分类器、存在不可分区域等问题, 研究了基于支持向量回归机的多类分类算法。利用回归思想求解多类分类问题, 将分类样本作为回归输入, 样本的类别标识作为回归输出, 通过支持向量回归机训练拟合出各样本与其类别标识之间的函数关系。将待分类样本代入回归函数, 对其输出取整后即可得到样本类别。该算法仅使用1个分类器, 明显简化了分类过程。另外, 引入复合核函数来提高支持向量回归机的性能。采用加州大学欧文分校(UCI)例题库中的多类分类问题进行仿真验证, 并将改进算法与传统算法作对比, 结果表明改进算法在分类速度和准确率上都有显著提高。
支持向量机 多类分类 支持向量回归机 复合核函数 Support Vector Machine multi-class classification support vector regression machine composite kernel function 太赫兹科学与电子信息学报
2017, 15(6): 1039
哈尔滨工业大学电气工程学院, 黑龙江 哈尔滨 150001
针对支持向量机(Support Vector Machine, SVM)在惯性约束聚变(Inertial Confinement Fusion ,ICF)实验靶识别中稀疏性不够高而导致决策速度慢的问题, 提出利用相关向量机(Relevance Vector Machine, RVM)进行ICF实验靶识别。设计了基于二叉树的RVM多类分类器, 在二叉树的构建过程中同时考虑了类距离与类分布范围两种因素的影响, 获得了更为合理的二叉树层次结构。实验证明, RVM与SVM相比识别率不相上下, 但由于有更好的稀疏性使RVM的决策时间远比SVM短。该算法与传统的多类分类方法‘一对一’、‘一对多’、‘有向无环图’及‘基于类距离二叉树’相比, 混合识别率更高。
激光聚变 相关向量机 二叉树 多类分类 支持向量机 靶识别
提出并实现一个用于人机交互的静态手势识别系统.基于皮肤颜色模型进行手势分割,并用傅里叶描述子描述轮廓.采用针对小样本特别有效且范化误差有界的支持向量机方法:最小二乘支持向量机(LS-SVM)作为分类器.提出了LS-SVM的增量训练方式,避免了费时的矩阵求逆操作.为实现多类手势识别,利用DAG(Directed Acyclic Graph)将多个两类LS-SVM结合起来.对26个字母手势进行识别,与多层感知器、径向基函数网络等方法比较,LS-SVM的识别率最高,为93.62%.
手势识别 傅里叶描述子 最小二乘支持向量机 增量训练算法 多类分类 Hand gesture recognition Fourier descriptor Least square-support vector machine Incremental training algorithm Multi-class classification
