稀疏降噪自编码算法用于近红外光谱鉴别真假药的研究

发布时间：2017-08-20 04:29

  本文关键词：稀疏降噪自编码算法用于近红外光谱鉴别真假药的研究

  更多相关文章： 近红外光谱 真假药鉴别 自编码网络 白化

【摘要】：近红外光谱分析技术作为一种快速、无损检测技术十分适用于真假药品现场鉴别。自编码网络作为当前机器学习领域研究的热点受到广泛关注,自编码网络是一种典型的深度学习网络模型,它比传统的潜层学习方法具有更强的模型表示能力。自编码网络使用贪婪逐层预训练算法,通过最小化各层网络的重构误差,依次训练网络的每一层,进而训练整个网络。通过对数据进行白化预处理并使用无监督算法对输入数据进行逐层重构,使网络更有效的学习到数据的内部结构特征。之后使用带标签数据通过监督学习算法对整个网络进行调优。首先对真假琥乙红霉素片的近红外光谱数据进行预处理以及白化预处理,通过白化处理降低数据特征之间的相关性,使数据各特征具有相同的方差。数据处理之后利用稀疏降噪自编码网络针对真假药品光谱数据建立分类模型,并将稀疏降噪自编码网络模型与BP神经网络以及SVM算法在分类准确率及算法稳定性方面进行对比。结果表明对光谱数据进行白化预处理能有效提升稀疏降噪自编码网络的分类准确率。并且自编码网络分类准确率在不同训练样本数量下均高于BP神经网络,SVM算法在少量训练样本的情况下更有优势,但在训练数据集样本数达到一定数量后,自编码网络的分类准确率将优于SVM算法。在算法稳定性方面,自编码网络较之BP神经网络和SVM算法也更稳定。使用稀疏降噪自编码网络对真假药品近红外光谱数据进行建模,能对真假药品进行有效的鉴别。
【作者单位】： 桂林电子科技大学电子工程与自动化学院;北京邮电大学自动化学院;中国食品药品检定研究院;
【关键词】： 近红外光谱 真假药鉴别 自编码网络 白化
【基金】：国家自然科学基金项目(21365008,61105004) 广西自然科学基金项目(2012GXNSFAA053230,2013GXNSFBA019279) 广西信息科学实验中心重点基金项目(2012-02) 广西高等学校优秀人才资助计划项目(桂教人[2011]40号) 桂林电子科技大学研究生教育创新计划项目(GDYCSZ201478)资助
【分类号】：R927;TP181;O433.4
【正文快照】： 2.北京邮电大学自动化学院,北京1008763.中国食品药品检定研究院,北京100050引言药物与人们的生活息息相关,但是市场上充斥着大量的假冒伪劣药品。假如不慎服用假药不但不能起到治疗疾病的效果,反而会对人体产生危害。因此真假药的鉴别有重要意义。近红外光谱分析技术以其分析

【相似文献】

中国期刊全文数据库 前10条

1 韩润平,李建军,杨贯羽,鲍改玲;结合重金属前后浮萍的红外光谱比较[J];光谱学与光谱分析;2000年04期

2 孙培艳,王修林,邹洁,高振会;原油红外光谱鉴别中的小波分析法[J];青岛海洋大学学报(自然科学版);2003年06期

3 王平,陈泽琴,谢洪平,蔡铎昌;不同产地中药材的近红外光谱初步研究[J];西华师范大学学报(自然科学版);2004年01期

4 王多加,周向阳,金同铭,胡祥娜,钟娇娥,吴启堂;近红外光谱检测技术在农业和食品分析上的应用[J];光谱学与光谱分析;2004年04期

5 张平;原位红外光谱考察分子筛表面酸性质[J];广州大学学报(自然科学版);2004年01期

6 李光;赵艳丽;张荣香;赵晓辉;李晓苇;;茶叶红外光谱的测量条件研究[J];河北大学学报(自然科学版);2009年04期

7 ;新书快讯:《傅里叶变换红外光谱分析》(第2版)简介[J];光谱学与光谱分析;2010年11期

8 ;新书快讯:《傅里叶变换红外光谱分析》(第2版)简介[J];光谱学与光谱分析;2011年02期

9 ;新书快讯:《傅里叶变换红外光谱分析》(第2版)简介[J];光谱学与光谱分析;2011年01期

10 ;新书快讯:《傅里叶变换红外光谱分析》(第2版)简介[J];光谱学与光谱分析;2011年09期

中国重要会议论文全文数据库 前10条

1 甄梦章;;红外光谱解析程序[A];全国第六届分子振动光谱学术报告会文集[C];1990年

2 崔继承;赵振武;丁东;唐玉国;;纳米自洁净玻璃近红外光谱特性分析[A];第三次全国会员代表大会暨学术会议论文集[C];2002年

3 吴婧;郁露;孙素琴;;栽培与野生丹参的红外光谱三级鉴定研究[A];第十四届全国分子光谱学术会议论文集[C];2006年

4 梁逸曾;范伟;陈爱明;张志敏;;近红外光谱软件的设计和实现[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 谭福元;李梦龙;冯晓瑜;张婧;;红外光谱谱构关系探讨[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

6 杭义萍;王海水;;红外光谱:消除水溶液中水吸收峰干扰的新方法[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年

7 王海水;席时权;;红外光谱与长烃链化合物的结构[A];全国第13届分子光谱学术报告会论文集[C];2004年

8 谢狄霖;;红外光谱信息管理系统[A];全国第13届分子光谱学术报告会论文集[C];2004年

9 邱江;潘红春;叶勤;张嗣良;;红外光谱监测糖化酶发酵过程[A];全国第10届分子光谱学术报告会论文集[C];1998年

10 孙宁邦;;气相色谱或放出气体分析与付立叶变换红外光谱联用的模块式接口[A];全国第五届分子光谱学术报告会文集[C];1988年

中国重要报纸全文数据库 前10条

1 记者 李犁;近红外光谱专业委员会云南物联站成立[N];云南日报;2011年

2 陈锐;红外光谱三分钟诊肿瘤[N];健康报;2004年

3 马斌睿;红外光谱用于中药质控大有可为[N];中国中医药报;2003年

4 陈锐 郭晓斌;红外光谱快速准确诊断肿瘤[N];家庭医生报;2004年

5 张东风 本报记者　　;红外光谱能否成为中药检测标准[N];中国中医药报;2005年

6 史春香 杨悦武 郭祝元;近红外光谱用于中药质控前景广阔[N];中国医药报;2006年

7 陈锐 郭晓斌;只用3～5分钟红外光谱实现快速准确诊断肿瘤[N];医药经济报;2004年

8 记者 张东风;红外光谱可用于中药生产质控[N];中国中医药报;2011年

9 陈锐;红外光谱——诊断肿瘤又一利器[N];大众卫生报;2004年

10 龚翔;中药快速识别的“武器”[N];中国医药报;2003年

中国博士学位论文全文数据库 前10条

1 薛晓康;电化学表面增强红外光谱的应用与发展[D];复旦大学;2008年

2 杜国荣;复杂体系近红外光谱建模方法研究[D];南开大学;2012年

3 郝勇;近红外光谱微量分析方法研究[D];南开大学;2009年

4 程旺兴;醌类中药小分子电子转移机理研究—红外光谱电化学循环伏吸法和导数伏吸法[D];安徽大学;2012年

5 贺英;基于半监督和迁移学习的近红外光谱建模方法研究[D];中国海洋大学;2012年

6 王金意;钯、镍及其非金属合金电极的表面红外光谱与应用研究[D];复旦大学;2010年

7 单瑞峰;近红外光谱建模方法及温度效应研究[D];南开大学;2014年

8 刘海;基于变分模型的红外光谱超分辨率方法研究[D];华中科技大学;2014年

9 严彦刚;表面增强红外光谱在铂族电极上的拓展及应用[D];复旦大学;2007年

10 黄正国;基质隔离—红外光谱和量化计算研究金属原子与甲醇及乙炔的反应[D];复旦大学;2004年

中国硕士学位论文全文数据库 前10条

1 白沙沙;双边夹原理在红外光谱中的应用[D];华南理工大学;2015年

2 刘明地;红外光谱结合计算机解析技术对青海枸杞的鉴别研究[D];青海民族大学;2015年

3 徐娟;云南不同类型土壤的元素含量测定及红外光谱分析[D];云南师范大学;2015年

4 汪锐;太阳系天体有机物质的芳香性与脂肪性[D];南昌大学;2015年

5 彭惜媛;12种种子类药材多级红外光谱分析与鉴定[D];佳木斯大学;2015年

6 洪向前;频域近红外光谱医用检测系统的研究[D];电子科技大学;2015年

7 王昱陆;基于可见/近红外光谱的生鲜猪、牛、羊肉识别方法研究[D];新疆农业大学;2015年

8 马晓晨;近红外光谱无损检测霉变板栗的研究[D];北京林业大学;2016年

9 周铭;血小板聚集功能的检测—光谱学及软X线成像研究[D];安徽医科大学;2016年

10 李祥辉;近红外光谱在食品检验及生物分析中的应用研究[D];福州大学;2013年

，

本文编号：704647