基于属性偏序结构原理的中药近红外光谱知识发现研究

发布时间：2017-10-26 12:28

  本文关键词：基于属性偏序结构原理的中药近红外光谱知识发现研究

  更多相关文章： 中药 近红外光谱 属性偏序结构图 知识发现

【摘要】：目前,中药市场的管理体系相对来说还不是很完善,市场中药质量参差不齐,因此中药分析作为质量控制的重要步骤显得尤为重要。在中药的研究领域,近红外光谱技术是一种克服了传统以主观经验或者半经验为主要依据的技术手段。近红外光谱数据虽然负载了很多的中药的有效物质信息,但是其数据量较大,分析较为困难。本文在已有的属性偏序结构图在知识发现的很多领域的研究现状和基础上提出了一种将属性偏序结构原理运用到中药的近红外光谱数据的知识发现当中,为中药的知识发现提供一种新的科学方法。本文首先研究了近红外光谱技术的理论依据和特点,并对形式概念分析、属性偏序结构的一些相关的定义进行了探讨。以形式概念分析主页上的Bodies of water形式背景为例,按照属性偏序结构图的构图算法生成属性偏序结构图,分析了这种数据结构比概念格的优越性。之后对形式背景的离散化进行了原理和方法的研究。接着对光谱数据的多维数据的雷达图表示和雷达图的特征基元提取进行较为详尽的介绍,并对Iris数据集的雷达图特征基元进行提取并分析。最后,以麻黄数据为例,对28个不同药用品种的麻黄数据进行雷达图表示和特征提取,对提取后的特征进行离散化,将定值属性通过离散化分割成不同数值区域的属性生成对应的形式背景,根据属性偏序结构图的生成算法构建属性偏序图,接着对麻黄的属性偏序结构图的整体和局部进行知识发现,验证该方法的可行性。采用德国Carl Zeiss的MCS600系列近红外光谱仪,对《中华人民共和国药典2015》第一版中收录的药性较为单一的33味寒、热、温性药材进行光谱数据采集,对采集处理后的光谱数据进行雷达图表示和特征提取,离散化生成形式背景构建相应的属性偏序结构图进行知识发现、规则提取,证明该方法的科学性,达到较满意的结果。
【关键词】：中药 近红外光谱 属性偏序结构图 知识发现
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R284;O657.33
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题研究背景及意义10-11
• 1.2 相关领域的国内外研究现状11-14
• 1.3 本文的主要研究内容14-16
• 第2章 相关理论知识16-30
• 2.1 近红外光谱技术16-19
• 2.1.1 近红外光谱分析的基础16-18
• 2.1.2 近红外光谱技术的特点18-19
• 2.2 属性偏序结构图相关理论19-27
• 2.2.1 形式背景中属性的特征定义21-24
• 2.2.2 属性偏序结构图的构图24-27
• 2.3 属性离散化的数学描述27-29
• 2.4 本章小结29-30
• 第3章 雷达图表示及其特征提取30-44
• 3.1 多元雷达图基础30-33
• 3.1.1 雷达图的二维表示数学描述30-31
• 3.1.2 雷达图的图形绘制31-33
• 3.2 多元雷达图的图形基元和特征基元提取33-41
• 3.2.1 多元雷达图的图形基元表示34
• 3.2.2 多元图雷达图的特征基元表示34-41
• 3.3 Iris雷达图特征基元提取及分析41-43
• 3.4 本章小结43-44
• 第4章 中药近红外光谱属性偏序结构图知识发现44-63
• 4.1 麻黄数字图谱属性偏序结构图知识发现44-52
• 4.1.1 麻黄的数据来源以及雷达图表示44-47
• 4.1.2 生成形式背景47-48
• 4.1.3 麻黄属性偏序结构图的生成及知识发现48-52
• 4.2 基于属性偏序结构原理的不同药性的中药知识发现52-62
• 4.2.1 实验仪器53
• 4.2.2 实验材料53-54
• 4.2.3 中药样品预处理54
• 4.2.4 近红外光谱采集54-56
• 4.2.5 中药近红外光谱数据的雷达图表示以及特征基元提取56-57
• 4.2.6 生成形式背景57-58
• 4.2.7 属性偏序结构图的生成以及知识发现58-62
• 4.3 本章小结62-63
• 结论63-65
• 参考文献65-69
• 攻读硕士学位期间承担的科研任务与主要成果69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 严良文,董振兴,张东山,王志文;数据库中知识发现的实现技术研究[J];化工装备技术;2002年01期

2 刘素芹,时念云,徐九韵,叶飞跃;数据库中的知识发现研究进展[J];油气田地面工程;2003年04期

3 卫金茂,黄道;粗糙集理论中新的知识发现方法[J];华东理工大学学报;2000年05期

4 杨勇,祝峰,许亚睛,严向奎;数据库中知识发现与挖掘[J];新疆石油学院学报;1999年02期

5 沈菲,王洪礼,冯剑丰,孙景;知识发现在赤潮预测预警系统研究中的应用[J];海洋技术;2003年02期

6 卫金茂,黄道;知识发现中缺损数据的处理(II)[J];华东理工大学学报;2000年05期

7 杨炳儒,黄绍君;知识发现系统研究进展与结构模型[J];辽宁工程技术大学学报(自然科学版);2001年05期

8 姚毅,曾黄麟;知识发现中概率统计与粗集方法的比较[J];四川轻化工学院学报;2003年02期

9 马晓茜,张凌;废弃物与焚烧设备数据库及其知识发现[J];工业炉;2000年01期

10 薄洪光;刘晓冰;马跃;蒙秋男;;基于粗糙集的钢铁行业工艺知识发现方法[J];计算机集成制造系统;2009年01期

中国重要会议论文全文数据库 前10条

1 杨光飞;党延忠;;不完美数据中的知识发现研究综述[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 杨志豪;林鸿飞;;生物医学文献中的隐含知识发现[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

3 张文;唐锡晋;;知识发现与求知模式[A];管理科学与系统科学研究新进展——第8届全国青年管理科学与系统科学学术会议论文集[C];2005年

4 万家华;刘冰;江早;;知识发现中的可视化技术[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

5 张荣明;邹湘军;顾邦军;;面向资源服务的知识发现系统研究[A];企业应用集成系统与技术学术研究会论文集[C];2006年

6 胡学钢;郭骏;王浩;袁兆山;;基于粗集与基于格结构的知识发现方法比较[A];全国第十四届计算机科学及其在仪器仪表中的应用学术交流会论文集[C];2001年

7 王春雨;顾军华;;基于知识发现的公交客流分析平台[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

8 张世海;刘晓燕;涂庆;欧进萍;王光远;;知识发现及其在高层结构智能选型中应用[A];计算机技术在工程建设中的应用——第十二届全国工程建设计算机应用学术会议论文集[C];2004年

9 董伯儒;林少培;王永文;;工程建设MIS中的知识发现和深化[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年

10 赵荣珍;杨娟;黄显华;;粗糙集理论的故障知识发现及其工程应用模式研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前2条

1 陈志楠;挖掘“不为人知的艺术”[N];科技日报;2009年

2 本报记者 刘晓莹;大数据时代下的新科研[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 李存荣;产品制造信息中的知识发现及其应用研究[D];武汉理工大学;2006年

2 封毅;中医药知识发现可靠性研究[D];浙江大学;2008年

3 毕雪亮;基于知识发现的钻井工程优化理论及应用[D];大庆石油学院;2007年

4 张国庆;基于生物医学文献的知识发现方法研究[D];华中科技大学;2006年

5 祁瑞华;不完整数据分类知识发现算法研究[D];大连理工大学;2011年

6 吴涛;构造性知识发现方法研究[D];安徽大学;2003年

7 蒙祖强;基于分类模型的知识发现机理和方法研究[D];中南大学;2004年

8 朱正祥;领域驱动知识发现方法研究[D];大连理工大学;2010年

9 梁协雄;数据库中的知识发现及其应用研究[D];重庆大学;2004年

10 刘书暖;工艺知识发现与重用技术[D];西北工业大学;2007年

中国硕士学位论文全文数据库 前10条

1 李洋;癌症基因表达数据属性偏序表示与知识发现[D];燕山大学;2015年

2 宋巧云;基于电力系统大数据集的知识发现方法的研究与实现[D];济南大学;2015年

3 吴剑峰;大数据时代面向知识发现的网络信息提取方法研究[D];安徽理工大学;2016年

4 姚远;基于情景分析的图书馆知识发现服务系统功能定位研究[D];江苏大学;2016年

5 王博妮;基于属性偏序结构原理的中药近红外光谱知识发现研究[D];燕山大学;2016年

6 边红;医学诊断系统中专家知识发现与推理算法研究[D];燕山大学;2016年

7 孙鹏;知识发现在学科服务中的应用研究[D];东北师范大学;2010年

8 陈圣青;基于本体的知识发现系统框架研究[D];南京航空航天大学;2009年

9 刘惠;知识发现理论与方法及其应用的研究[D];大连理工大学;2004年

10 尹东方;列式存储在知识发现系统中的应用与实现[D];吉林大学;2010年

，

本文编号：1098711