节点文献

基于电子鼻气味指纹图谱与XGBoost算法鉴别姜黄属中药

免费订阅

【作者】 拱健婷王佳宇李莉徐东丛悦关佳莉吴浩忠邹慧琴闫永红

【Author】 GONG Jian-ting;WANG Jia-yu;LI Li;XU Dong;CONG Yue;GUAN Jia-li;WU Hao-zhong;ZOU Hui-qin;YAN Yong-hong;Beijing Institute of Chinese Medicine;Changchun Medical College;School of Chinese Pharmacy,Beijing University of Chinese Medicine;

【通讯作者】 邹慧琴;闫永红;

【机构】 北京市中药研究所长春医学高等专科学校北京中医药大学中药学院

【摘要】 针对姜黄属中药的鉴别问题,通过电子鼻采集姜黄属郁金、莪术、姜黄、片姜黄4味中药的气味指纹图谱,应用XGBoost算法对中药的气味特征进行学习,并建立快速有效的判别模型;以准确率、精确率、召回率、F度量为指标评估XGBoost的性能。实验结果表明XGBoost建立的判别模型对训练集中166个样本和测试集中69个样本的回代正判率分别为99. 39%,95. 65%,能准确判别姜黄属4种中药;对XGBoost判别模型的贡献度排在前四位的传感器依次为LY2/g CT,P40/1,LY2/Gh,LY2/LG,贡献度最低的传感器是T70/2; XGBoost判别模型预测集准确率、精确率、召回率、F度量分别为95. 65%,95. 25%,93. 07%,93. 75%,均优于传统的支持向量机、随机森林、神经网络,验证了XGBoost在姜黄属中药鉴别中的优越性。电子鼻气味指纹图谱结合XGBoost建立的判别模型可以实现姜黄属中药郁金、莪术、姜黄、片姜黄的快速准确鉴别,为中药智能鉴别提供一种快速、可靠而有效的分析方法; XGBoost算法的引入也提示可将更多性能优异的算法引入到中药领域,为中药气味指纹图谱的数据挖掘提供更多途径。

【关键词】 XGBoost电子鼻气味指纹图谱姜黄属郁金姜黄莪术片姜黄
【基金】 北京中医药科技发展资金项目(QN2018-20);国家自然科学基金项目(81573542);北京中医药大学自主选题项目(2019-JYB-JS-006)
【所属期刊栏目】 资源与鉴定 (2019年24期)
  • 【DOI】10.19540/j.cnki.cjcmm.20191101.101
  • 【分类号】R282.5;TP212
  • 【下载频次】55
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: