基于主成分分析的金银花药效评价方法研究

为实现基于谱效相关模式的中药金银花的质量综合评价,本文采用采用主成分分析算法,对采集到色谱指纹图谱和药效指标（抑菌率）的大量数据进行降维处理,然后建立中药金银花谱效结合评价系统,测试结果证明了该方法的先进性与可靠性。     

基于第二代小波变换的中药指纹图谱的基线提取

针对传统的中药指纹图谱信号数据预处理技术存在的算法复杂和运算速度慢的不足,在具体分析中药指纹图谱信号数据特点的基础上,提出利用第二代小波变换和局部重构技术,采用Daubechies小波提升法来实现中药指纹图谱信息分析过程中的基线提取.对田基黄药材指纹图谱(符合AIA标准)数据的处理结果表明,该方法可以很好地实现指纹图谱信号峰与基线的分离,提取出的基线更接近真实基线,而且易于软件实现.     

基于PCA的中药黄芩药效评价方法研究

为实现基于谱效相关模式的中药黄芩的质量综合评价,采用主成分分析法（principal component analysis, PCA）对采集到的色谱指纹图谱和药效指标（抑菌率）的大量数据进行降维处理,然后建立中药黄芩谱效结合评价系统,测试结果证明了该方法的先进性与可靠性。文中的降维方法可以为中药材质量评价研究提供一种新的、可借鉴的思路和方法。     

局部最小二乘法校正中药指纹图谱信号的组分保留时间漂移

提出和实现了采用局部最小二乘法对中药指纹图谱中的组分保留时间漂移进行校正的方法。首先介绍了标准最小二乘法的算法原理,针对标准最小二乘法直线拟合在处理指纹图谱数据时的局限性,根据中药指纹图谱信号数据的特点,提出对组分复杂的中药指纹图谱信号采用局部最小二乘法实现对组分保留时间漂移的校正。对3组田基黄中药样本的指纹图谱信号采用局部最小二乘法进行处理,从校正前后相似度结果的对比可知,校正后的相似度均有不同程度的提高,证明文中所提方法的可行性和优越性。     

向量模法在麻黄HPLC指纹图谱评价中的应用

用HPLC法分离测定了不同种属、产地及年限的麻黄草的主要成分，根据17批供试品溶液HPLC图谱给出的相关参数建立了麻黄药材的指纹图谱，并用向量模算法对麻黄指纹图谱进行了解析．结果表明，用向量模算法能够很好地区分不同种属、不同部位的麻黄，同时也能体现不同采收季节和存储时间的麻黄的差异性，从而为麻黄指纹图谱的解析提供了一种新的研究方法．     

核磁共振指纹图谱用于阿胶的鉴别

建立阿胶核磁共振指纹图谱法用于阿胶的鉴别。基于阿胶水提液成分,采用核磁共振氢谱(¹H-NMR)建立阿胶核磁共振指纹图谱方法,并进行方法学验证;对不同来源样品进行核磁共振氢谱测定,得到样品数据集。采用主成分分析(PCA)和片段偏最小二乘法(i-PLS)对样品进行模式识别研究,建立阿胶判别模型。结果显示,阿胶核磁共振指纹图谱方法的精密度、稳定性和重现性良好。PCA分析结果表明:不同来源样品有一定的类别差异,但阿胶真品与伪品难以分开。采用i-PLS法建立真伪阿胶判别模型,分类能力强,能够实现真伪阿胶的正确判别。阿胶核磁共振氢谱指纹图谱结合模式识别方法能够用于中药阿胶的真伪鉴别,为阿胶的质量控制及评价提供借鉴。     

指纹图谱技术在中药鉴别中的应用

简述了中药鉴别发展历史，中药指纹图谱技术鉴别的理论依据以及中药薄层色谱指纹图谱、高效液相色谱指纹图谱、气相色谱指纹图谱、高效毛细管电泳指纹图谱、核磁共振指纹图谱、质谱指纹图谱、X射线衍射指纹图谱和DNA指纹图谱的鉴别．     

云南不同产地白花蛇舌草挥发性成分研究

以云南省不同产地白花蛇舌草为研究对象,采用气相色谱质谱联用仪(GC-MS)对不同产地白花蛇舌草中挥发性成分进行测定,通过优化仪器检测条件,建立不同产地白花蛇舌草指纹图谱,并采用《中药色谱指纹图谱相似度评价系统(2004A)版》软件和SPSS软件对指纹图谱进行相似度评价、聚类分析、相似度分析和主成分分析,分析不同产地白花蛇舌草的整体性和差异性,为不同产地白花蛇舌草质量评价提供依据.     

“指纹图谱应用示范研究”通过国家验收

2004年3月19日,“十五”国家科学技术攻关项目———“指纹图谱应用示范研究”在杭州正式通过国家科学技术部和国家中医药管理局的验收。这项由浙江大学药学院、中国药品生物制品检定所和天津天士力集团有限公司等单位联合承担的课题,在课题负责人林瑞超教授、程翼宇教授的带领和课题组全体同仁的努力下,利用现代分析技术和手段,系统地建立了中药指纹图谱分析方法,创建了多元指纹图谱等技术,有效地解决了中药多组分中主要成分的质量控制。这种先进实用的中药质量指纹图谱分析技术得到了与会权威专家的高度评价,并顺利通过国家验收。“指纹图…     

不同基源石菖蒲药材挥发油指纹图谱研究

建立石菖蒲挥发油气相(GC)指纹图谱,为不同基源石菖蒲指纹图谱鉴别提供依据.采用蒸馏法提取挥发油,气相色谱法测定指纹图谱,结合质谱、保留指数、相关文献和NIST17.L标准谱图库对部分色谱峰定性鉴别,并通过相似度评价和主成分分析不同基源石菖蒲所含主要挥发性成分差异.结果显示,石菖蒲指纹图谱共有18个共有成分,确定了其中的9个成分,相似度评价和主成分分析可以准确区分不同基源的石菖蒲药材.所建立的指纹图谱测定方法可以用于石菖蒲药材的基源鉴定,研究结果为石菖蒲药材真伪品鉴定提供了实验依据.     

基于K-均值聚类的朴素贝叶斯网络分类模型

针对朴素贝叶斯网络分类模型在处理高维大数据量时的效率偏低和准确率有待提高的问题,结合主元分析法与K-均值聚类算法构造出了一个改进的朴素贝叶斯网络分类模型;摒弃了非类属性变量相对于类属性变量相对独立的前提条件,算法首先用主元分析法在对数据集的信息量尽量保存的同时进行了降维操作,使得算法可以着重于进行分类问题;算法还提出了一个"相对融合点"的概念,有效地提高了算法的性能;最后对算法的性能进行了分析,并将改进的算法应用到实际的数据集进行实验,用算法产生的分类结果对数据集中产生的一些缺失数据进行修补。     

基于PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.     

光谱重建中ICA和PCA的对比

一个光谱数据集可以表示成几个主要光谱成分的线性组合。主成分分析法（PCA）是提取光谱数据集的主要成分的常用方法。近年来，有研究人员用独立成分分析法（ICA）提取光谱数据集的独立成分，进而实现光谱数据压缩。文章分别使用ICA和PCA对50例Munsell色卡的光谱反射比和50例桦树叶的光谱反射比进行特征光谱的提取。利用多光谱成像技术和光谱重建算法，采用三组滤光片，每组分别为2、3和4片，选取3-15维子空间，重建了150例Munsell色卡和150例桦树叶的光谱反射比。重建结果用CIELAB1976色差和光谱重建误差来评价。在150例桦树叶光谱重建中，ICA的重建结果明显好于PCA的重建结果；而150例Munsell色卡用ICA和PCA重建结果相差不大。最后，根据重建结果，对子空间维数、滤光片数与重建色差和误差的关系作了分析。     

化学模式识别在中药质量控制中的应用

主要介绍了3种常用的化学模式识别方法:主成分分析法、聚类分析法、人工神经网络法,并对化学模式识别技术在中药质量控制与评价中的应用进展做了简要评述.     

基于主成分分析和支持向量机分类模型的滚动轴承故障诊断

为了提高滚动轴承故障诊断的准确率,提出一种基于主成分分析(principal component analysis,PCA)和支持向量机(support Vector machine,SVM)模型的滚动轴承故障诊断方法.通过比较不同方法计算的标准差和拉依达准则对数据进行误差分析,利用MATLAB软件中的PCA函数对数据进行主成分分析,将8个原始变量降维成3个综合变量,分别从降维前和降维后的输入属性数据中随机选取70％的数据作为训练集来建立SVM分类模型和PCA-SVM分类模型,而把剩余的30％作为测试集来对模型的性能进行仿真测试.MATLAB仿真测试的结果表明,PCA-SVM模型的分类效果更好,其预测正确率对于绝大多数故障诊断来说是可以接受的,可以作为一种故障诊断的评价标准.     

基于文献可视化分析的我国药食同源研究进展

本文以中国知网(CNKI)数据库收录的1 076篇中文文献及Web of Science (WOS)核心合集数据库收录的3 794篇英文文献为研究对象，采用CiteSpace软件对药食同源领域研究现状和趋势进行可视化分析，以期为药食同源科学研究及产业发展提供数据参考。结果表明：药食同源发文数量总体呈上升趋势，尤其是2010年以后快速上升；发文机构共现图谱具有“小集中，大分散”的特点；中、英文文献来源最多的期刊分别是《食品工业科技》和International Journal of Medicinal Mushrooms;中、英文文献中发文量大于20篇的学者分别有22人和35人；对中、英文文献各关键词聚类影响程度最深的分别是“药食同源”和“purification”;2010年以后药食同源研究分支和研究成果大量涌现，新技术和新工艺促进其在食品、药品、保健品等产品中的应用。总体来看，传统药籍挖掘、植物有效成分、栽培技术、新食品工艺、中医药产业和大健康产业发展等是未来研究的热点。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

MWMPCA方法及其在间歇过程监控中的应用

针对传统的多向PCA(Principal Component Analysis)模型间歇过程监控的缺点,提出了一种移动窗多向主元分析(MWMPCA:Moving Window Multi-way Principal Component Analysis)模型.与MPCA方法比较,MWMPCA可很好地监控间歇过程操作的稳定性,在实时监控新的间歇过程时,只需利用已收集到的数据信息,同时还可根据实际反应情况调整主元的选取个数,以得到更好的监控性能.     

一种具有自动聚类检测功能的欠定型盲信号混叠矩阵估计算法

针对源信号个数未知情况下的欠定稀疏分量分析模型,提出一种具有自动聚类检测功能的混叠矩阵估计算法。提出实现源信号个数的判定的观测信号自动检测聚类方法,同时利用主成分分析对超直线进行估计,从而实现混叠矩阵的精确估计。仿真实验结果表明,该算法适用范围广,是一种快速精确且稳健的混叠矩阵估计算法。     

基于K-CV 优化的PCA 和SVM 人脸识别算法

为解决常规的PCA( Principal Component Analysis) 和SVM( Support Vector Machines) 人脸识别算法准确率 不高的问题,提出了用改进的网格搜索和交叉验证( K-CV: K-fold Cross Validation) 算法对SVM 参数寻优的方 法,并联合了PCA 和SVM 的人脸识别算法。该算法利用K-CV 算法结合改进网格搜索方法寻找最佳参数, 尽可能消除由于个别样本误差对预测模型的影响,减少了搜索时间,提高了人脸识别的准确率。在Matlab 软 件上测试结果表明,该算法在YALE 人脸库的识别准确率比常规的PCA 和SVM 联合算法高9． 08%。