[發明專利]專屬性模式識別模型判別分析中藥材資源指紋信息的方法

有效

• 申請號: 201210593100.0
• 申請日: 2012-12-31
• 公開（公告）號: CN103076300A
• 公開（公告）日: 2013-05-01
• 發明（設計）人: 楊天鳴;付海燕
• 申請（專利權）人: 武漢鑫方生物科技有限公司
• 主分類號: G01N21/35
• 分類號: G01N21/35;G06K9/62
• 代理公司: 武漢宇晨專利事務所 42001
• 代理人: 余曉雪;王敏鋒

1.一種專屬性模式識別模型判別分析中藥材資源指紋信息的方法，其特征在于，按如下步驟進行：

（1）中藥材樣品的制備；

（2）中藥材近紅外和中紅外光譜全息指紋圖譜的獲取與光譜預處理校正；

（3）對中藥材資源進行虛擬的矩陣編碼；

（4）中藥材質量控制專屬性模式識別訓練模型的構建；

（5）專屬性訓練模型對中藥材資源的辨識與判斷。

2.如權利要求1所述的方法，其特征在于步驟（1）中藥材樣品的制備過程為去泥沙、清洗干凈，真空干燥后，用中藥粉碎機粉碎過目篩，獲取可分析的中藥材樣品。

3.如權利要求1所述的方法，其特征在于步驟（2）中中藥材樣品的近紅外指紋圖譜的獲取是以金箔為參比進行近紅外光譜全波段掃描；中紅外指紋圖譜的獲取為將中藥材樣品與適量溴化鉀混合后壓片，進行中紅外全波段掃描，并對全息中紅外和近紅外指紋圖譜進行多元散射校正和/或通過二階導數校正，獲取中藥材全息得以增強的校正指紋信息。

4.如權利要求1所述的方法，其特征在于步驟（3）中對中藥材資源進行虛擬的矩陣編碼，是通過將用于訓練模型的中藥材資源進行虛擬編碼，每一行代表一個樣品，將其虛擬編碼為矢量code=v_j,其編碼原則為第j個元素為1，其余元素均為0，由此，將用于訓練模型的不同類中藥材資源編碼為一個矩陣I_n×m，該矩陣的行數等于建模所用的中藥材資源訓練樣本數n，列數等于均中藥材資源不同類別數m。

5.如權利要求1所述的方法，其特征在于步驟（4）中對中藥材質量控制專屬性模式識別訓練模型的構建，通過設置一個以指紋校正圖譜中第一個光譜數據點為起點、大小取值在20至40間的任意窗口連續地在中藥材各訓練樣本集的全息近紅外或中紅外的校正指紋圖譜數據中滑動，連續滑動的窗口中的光譜作為n個訓練樣本的響應信號矩陣X_n×p的子矩陣X_n×w，運用偏最小二乘判別分析方法將滑動的窗口中的中藥材訓練集近紅外或中紅外的指紋校正圖譜數據與編碼的中藥材資源的類別訓練矩陣I_n×m關聯，且在每一個窗口位置，對所有訓練集樣本建立不同隱變量的偏最小二乘判別分析子模型：

I_n×m,t=X_n×w，tR_w×m，t+E_n×m，t

其中，I_n×m，t是t個隱變量的偏最小二乘判別分析模型的類別訓練矩陣，R_w×m，t是t個隱變量的偏最小二乘判別分析模型的回歸系數矩陣，E_n×m，t為殘差矩陣；

計算這一系列不同隱變量下偏最小二乘判別分析子模型的分類殘差，并對窗口作圖，獲取具有低的分類殘差和低維數模型的特征指紋信息區間，甄別得到中藥材全息校正光譜中所隱含的專屬指紋特征信息的系列有用變量區間，并將其組合后與中藥材資源的虛擬編碼類別矩陣間構建具有專屬性特征的偏最小二乘判別分析模型，即：I_n×m=X_n×pR_p×m；其中，p是提取得到的差異性專屬指紋特征信息區間所含的波長數，m是類別數，I_n×m為中藥材資源的類別訓練矩陣，X_n×p為獲得的專屬性特征信息矩陣，R_p×m為回歸矩陣；模型對I_n×m的每一列對獲得的專屬性特征信息矩陣X_n×p進行PLS1回歸，回歸矩陣R_p×m的每一列為PLS1的回歸系數量，最佳隱變量數由n-重交互驗證確定。

6.如權利要求1所述的方法，其特征在于步驟（5）中專屬性訓練模式識別模型對中藥材資源的辨識與判斷，是通過對辨識和判別的未知中藥材資源樣品的類別矩陣I_un進行解碼，獲知未知的任意第j個樣品的類別解碼矢量中最大值所出現的第m個位置，從而判定中藥材資源的類別屬性。

7.如權利要求6所述的方法，其特征在于步驟（5）中未知樣品類別矩陣I_un的解碼的獲得計算如下：通過未知樣品的響應信號矩陣X_un和專屬性模型回歸得到的矩陣R_p×m之間建模獲得未知樣品類別矩陣I_un的解碼,即：I_un=X_unR_p×m，M_j=M_j=decode_max(v′_j..);其中，M_j為第j個樣品的類別，decode_max(v′_j..)表示某個所需預測判別的未知中藥材樣品解碼矢量v′_j最大元素的位置。