?????眯喷い媚非絋?99% - ?翠ゅ蹲厨
&眤??竚?
︾??︽乃禥
翠6る?基ど5.6% (瓜)
蹦潦?计?だ?絬
ず?籹硑穨搭硉 (瓜)
翠?┷竨激?菲8κだ翴 (瓜)
翠ユ┮肚?520货潦?ユ┮ (瓜)
稼杜穝锣诀
?稼?霍鰐 (瓜)
IMF??チ刽砆??碩??︳
いよぃ粄? (瓜)
策?キ砐﹁旅狶??辨?壁竤渤 (瓜)
い瓣帝??厩產??也痜硊 (瓜)
?????眯喷い媚非絋?99% (瓜)
某畊患干诀?よ?
さ癬吭高?戳2?る (瓜)
チ?羛跋匡场竝
览?200??驹 (瓜)
ギ堕???担も
?超╧畍?稰て (瓜)
?瞴50ㄎ??
翠玻矹矩﹁???篯 (瓜)
?皑碔花κ痉??硑程花笴弗
穝籇栋刮???畐好琌叛钮? (瓜)
?疭孽甫吹腹?辅
??濒诀ヴ叭沧挡 (瓜)
い瓣?惦纒腹?肩?4027μ瞏? (瓜)
?待??睺?い瓣び锭??穨 (瓜)
?????眯喷い媚非絋?99% & [] & &
〗眎惧??????眯浪代╰参?惠计だ牧獽?代﹚媚?痷鞍?非絋?蔼笷99%??翠ゅ蹲厨癘?纯岸纒
??翠ゅ蹲厨癟?癘?
纯岸纒??翠?穦?厩程穝?祇???眯浪代╰参??惠计だ牧獽?代﹚媚?痷鞍?非絋?蔼笷99%???喷?媚?珇贺㎝玻??非絋?ョ笷94%?τ?Θセ???ぃ筁??ヘ玡╰参戈?畐?妓セ┮??瞷???浪代?鐇?ぱ陈?う把の瞉瑅繬?4贺媚????盢穦籔╬?そ?の現┎??秈?˙祇甶╰参?
计だ牧??媚?珇贺の玻?
??禥媚?痷鞍螟侩?癳┕龟喷?だ猂?丁??Θセ蔼?????程??祇???眯浪代╰参?????眯м砃秆弄い媚?て厩Θ?戈????ミ戈?畐?ノ產?惠璶?祸竟苯磞媚??祅?呼??戈?畐秈︽ゑ癸??惠计だ牧獽?眔?媚??珇贺㎝玻??非絋?蔼笷94%?τ媚?珇贺?非絋??蔼笷99%?ノ產??е硉だ侩痷鞍?
?穝м砃?莉眔い瓣?醚玻舦Ы甭ぉ祇?盡????璸衡诀?厩╰捌毙甭眎惧??ボ??┕浪喷い媚?痷鞍?常?ψ泊芠诡┪??龟喷?浪喷?ψ泊浪代惠パ竒喷伦碔???璽砫芠诡媚?????肅︹㎝??单?螟??瞷??粇畉?τ龟喷?喷靡瘤?冈灿だ猂媚?Θ???惠?1ぱ??计ぱ??Θセ蔼??
ら??代?皊イ?痷鞍珇借
?眎惧??ボ?穝╰参?惠虏虫?苯磞祸竟獽?巨???ヘ玡?妓セ┮??╰参??浪代?鐇?ぱ陈?う把の瞉瑅繬4贺媚????嘿??禥媚?基??禥??璶穓栋ì镑?妓セ籹?戈?畐?Θセ盢穦伐?エ?????穦籔╬?そ?の現┎???耎?戈?畐妓セ???嘿?╰参埃?代﹚い媚?珇贺?ら???莱ノ??珇㎝皊摸浪代?だ侩?皊┪イ??痷鞍の珇借?Amazon CAPTCHA
请输入您在这个图片中看到的字符：
& , , Inc. or its affiliates快速无损的中药识别“利器”--访清华大学孙素琴教授
09:52:54 点击 1662 次
&　　中药鉴定是中药学中的一个关键学科，它在鉴别中药品种、评价中药品质等方面有着不可替代的作用。随着新技术的引入和多学科的交叉发展，中药鉴定学已经走出了外观鉴别、显微鉴别、理化鉴别等老方法的局限，发展出了众多新技术方法，为制定中药现代化标准和中药品质评价提供了有力的工具。红外指纹图谱法就是其中的一种。　　近日，本网（以下简称：Instrument）专门走访了清华大学，就利用红外光谱“指纹”快速识别中药的有关问题采访了清华大学分析测试中心副主任孙素琴教授（以下简称：孙）。　　Instrument：孙教授，您好！首先，能否请您谈谈为何采用红外光谱“指纹”图谱法来进行中药鉴定的？　　孙：好的。许多的现代仪器分析鉴别和质量控制方法如色谱法、质谱法和生物DNA技术的应用等，促进了中药质量研究的发展，但是，仍存在许多困难和不足。色谱法（TLC、GC和HPLC）不仅需要事先破坏试样或对其进行分离提取，从而失去了其原本性与配伍性等，更需要以标准品为参照进行鉴别和测定，面对中药这种复杂的混合物体系，存在着主要的问题，一个是目前并没有确定中药中所有的有效成分，其次要找到所含各种化学成分的标准品也是很困难的，而且由于在许多情况下分析前要对试样预处理，掺入了人为因素，重现性令人不太满意；另外由于只有部分物质具有紫外吸收，况且其指纹性远不如红外，所以紫外光谱分析法不能做到对中药进行全组分的测定，这些方面都限制了其它分析方法的广泛使用。当务之急是急需建立一种快速、有效、方便易行的质量控制方法。　　我们所提出的宏观指纹鉴定法作为红外光谱分析法可以对中药材进行快速无损鉴别及质量控制。此鉴别方法有别于其他分析方法的优点是：①.更具直接；②.快速；③.不破坏样品的原性质等特点；④.重现性很好；⑤.仪器相对便宜；⑥.方法较易掌握，普适性强；⑦.可数字化，更具科学性和便于管理；⑧.更符合中医中药的医治原则。　　Instrument：但是常规的红外光谱法在较长时期内却没能在中药质量控制和管理中发挥其应有的作用，您是如何看待和解决这一问题的？　　孙：红外光谱是反映分子中所含基团的特征振动形式的。对于单一组分，人们通常利用这些特征频率来推断分子内的基团，进而推测、判断和鉴定化合物，这是比较容易进行的，同时，人们还是利用了红外整体谱形一起来判定的。不过，迄今为止，人们过分地重视和习惯于以局部分子片断来推断分子总体，忽略了难以描述清楚的整体行为来判定。对于几个组分体系已不便于进行分析和推断了，因此很少有人用红外光谱来确定混合物的，对于中药这一极其复杂的混合物体系而言更是如此！尽管也有人采用红外光谱法进行中药的鉴别研究，其思路是将中药进行分离提取后对不同提取部分进行红外测定。但是，众所周知，中药讲究“君臣佐使，生克乘诲”，只有对中药进行全组分测定，宏观的整体分析，才能不破坏它的原本性、配伍性。单一组分分子振动光谱中的峰位、峰形、峰强度代表着体系中所含相应各种基团的微观指纹，其全谱便是它的宏观指纹。一个混合物的谱则是其所含各种成分的叠加谱，构成谱图的宏观“指纹”性，显然它是寓于单组分的微观指纹的基础之上的。它貌似“简单”，却具有丰富的内涵。因此我们坚信利用这样的宏观指纹性在当今计算机的时代是可以用来鉴定、鉴别复杂体系的！尽管中药的红外光谱组成极为复杂，谱峰重叠较为严重，但采用计算机辅助解析技术和数学（如高阶导数或二维相关光谱技术等）相结合，便可增强谱图的“指纹”特征，从而达到分类鉴别的目的。在凭借中药的宏观“指纹”特征的同时，将数学、计算机、分析化学、中医学和中药学等学科渗透进来，融合在一起，实现优势互补。我们创立了红外宏观指纹鉴定法是可以使红外光谱法在中药的鉴定与质量控制和管理中发挥非常强有力的作用的。这一点已为我们所承担的国家中医药管理局的重大科技专项“中药材光谱法快速检测系统的研究”通过验收所证实。　　目前，我们正在承担科技部国家重大科技专项“重要技术标准研究”课题“食品中药与天然药物有效成分检测技术研究”建立中药红外光谱筛选方法，并申报国家标准。国家标准方法《中药筛选红外光谱方法通则》已起草完毕，进入征求意见阶段，预计年实施。　　Instrument：就红外光谱“指纹”而言，中药鉴别相对于西药鉴别有哪些区别和难点？　　孙：由于西药是单一组分的物质，其红外光谱“指纹”特征性可视为该单分子的微观行为，比较简单，大体上是可以从红外理论来分析预言的，比较容易指认和辨认。以红外光谱具有的“指纹”特性作为西药鉴定的依据，是各国药典多年以来共同采用的方法。中药材、中药饮片和中成药本身都是远比西药复杂得多得多的混合物体系，谱图解析的困难，使常规红外光谱法在较长时间内未能在中药质量控制和管理中发挥其应有的作用。中药的特殊性就要求我们在解析其红外光谱图时，既要结合以往的解析经验，又要突破传统的分析思路，因此我们在重视微观指纹性的同时更注重其宏观指纹性，进行谱图的宏观整体解析。这一点是至今没有人敢想敢做的。　　另外，充分利用与其它学科之间的相互渗透，也使得我们的红外宏观指纹图谱法大放异彩，它不仅能得到中药的数字化的描述，而且它与中医紧密配合，使它迅速进入实用阶段。当然，如何建立起中药的宏观指纹特征性也是我们的难点。　　Instrument：那么，红外光谱“指纹”在中药鉴定过程中具体能完成哪些任务呢？　　孙：经我们研究表明，主要有如下几种用途：中药材及其制剂的真伪鉴定；野生和栽培药材的聚类分析和识别；药材品种的分类与鉴定；判定辅料的用量；制药工艺的稳定性检查等。我们知道，因中药材成分复杂，且生长环境(如地质、气候条件和地形等)、栽培期不同，其功效也有明显区别，如：野生和栽培丹参从外观形态不易辨认，但对比两者的中红外和远红外谱，则能很好地将两者区分开来；另外，通过比较产品的二维相关红外光谱图，还可推断产品在生产过程中是否发生氧化，从而监控生产过程和生产工艺。　　Instrument：能谈谈您的实验室在利用红外光谱“指纹”进行中药识别方面所取得的理论和应用方面的进展吗？　　孙：目前红外光谱“指纹”识别中药在理论方面的最大进展是从“微观”指纹法鉴定发展到“宏观”指纹法鉴定。也就是说，我们不仅可以利用红外光谱本身，可以利用其导数谱等静态谱的各种信息外，还可以利用对体系引入可能导致影响其红外微观行为的各种外界微扰而呈现的动态谱的更广泛、更新的有用的信息；同时，还可以借助于数学和计算机技术等一起对图谱进行整体考察，即构成了识别中药的现代红外光谱技术。　　目前我们已提出了红外光谱的“三级鉴定”法。它利用了一维红外光谱、二阶导数谱和二维相关红外光谱。差异性较大的不同种药材仅需要一般的红外图谱就能够简单地做出判定，我们称其为一级鉴定。当药品的差异性较小，用普通的一维红外图谱显示不出它们的差异性，我们可以采用导数光谱对其进行特征提取，在中药分析中常用的导数光谱为二阶导数谱，这是因为在二阶导数谱中半峰宽只有原谱的1/3左右，大大提高了谱图的分辨率。采用红外光谱图和二阶导数谱图相结合，称其为二级鉴定。至于四阶导数谱的半峰宽更窄，谱图的分辨率更高于二阶导数谱，但它对原谱的质量要求更高，且噪音的影响较大，所以通常不便使用。在当红外光谱和二阶导数图谱差异性较小而不足以作判断时，则可凭借二维相关红外光谱加以判定，称为三级鉴定。目前我们暂且选用了热微扰来得到药材的二维相关谱。　　至此，我们已经利用这三种手段相互结合、互相映证，对不同种的中药材300种进行了鉴定，其中包括了中药材的真伪、产地鉴别4种、保健品 5种、配方颗粒430种和中药注射剂10种的质量控制以及跟踪中药10种炮制过程的物理化学变化等等方面都得到了广泛应用。目前，我们的红外光谱技术已经应用于首创大地药业有限公司和培力药业有限公司的实际生产中，用于控制药材原料、中间品和产品的质量。　　尽管我们已提出了中药宏观指纹的三级鉴定方法并相应作了大量的分析、归纳的工作，但仍有大量的工作需要仔细研究并加以推广。　　Instrument：您认为该项目下一步急需开展的工作是什么？　　孙：我们认为在这个方面还有极其大量的工作要做，既要做深，还要做广。当前急需要开展的工作有以下几点：　　1. 尽快建立起“中药材红外光谱数据库”：自然界的中药材是成千上万，我们目前所做的药材仅仅占据了非常小的一部分，我们想大量采集不同种的中药材，包括同科同属不同种不同生态环境和真伪药材等，然后通过规范化的检测条件，包括实验室条件、样品制备要求和仪器参数设置等，获得各种药材的标准谱图，尽快建立起“中药材红外光谱数据库”； 　　2. 尽快确定中药制剂的红外对照参考图谱：包括配方颗粒、中药注射剂和保健品等的红外对照参考图谱，用于识别真伪优劣和质量稳定性控制；　　3. 中药炮制学的红外研究：中药炮制是影响中药用药疗效的关键所在，我们想通过做不同的炮制品，来追踪炮制过程的物理化学变化，为传统的炮制标准提供一个科学客观的理论依据和评价体系；　　4. 红外光谱技术与标准谱图逐渐纳入国家药典：希望我们的红外光谱技术能够成为一项中药质量控制和管理的标准方法，逐渐将中药的红外标准光谱纳入国家药典。更广泛地应用于生产实际，加快我国中药现代化、国际化和标准化的步伐！为弘扬与发展我国中医学、中药学贡献一份力量！　　整个采访过程中，孙教授笑称搞了五年的中药鉴定，自己从对中药一窍不通，到现在也快成中药专家了，谈起红外光谱分析来更是如数家珍，特别是孙教授的忧患意识，令人肃然起敬。从FDA到COS，中国的制药企业战战兢兢地应付着各种不同的规则，而对规则的制定却没有半点发言权。“西药”，也许我们无能为力，但“中药”是中华民族的瑰宝，沉淀了华夏神州千年文化的底蕴，我们没有理由放弃而把规则的制定权再次拱手让与他人，“中药”― 这一古老的中国文化在走向世界的漫漫征程中，中国人的声音理应得到世界的尊重。
　　联系方法：　　北京100084 清华大学化学系 孙素琴 邮编：100084　　电话010-; 传真010-; 　　E-mail：sunsq@chem.
您认为该新闻：
欲即时了解仪器资讯，请安装或扫描右侧二维码，关注仪器信息网官方微信。
相关新闻：
[来源：仪器信息网]
网友评论：
最新评论：
热评文章：
版权与免责声明：
① 凡本网注明"来源：仪器信息网"的所有作品，版权均属于仪器信息网，未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品，应在授权范围内使用，并注明"来源：仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源：xxx（非本网）"的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。
③ 如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。
与其他方法相比，X射线激光器在研究超快分子动态时有着更多的优势。该技术能生成世界上
Ramirez的方法值得她的博士后同仁们留心关注――不管他们将来选择什么方向，就业形势都很
据报道，12月2日，《自然》杂志出版商麦克米伦宣布，《自然》将开放其自1869年以来所有的研究
2014年1月美国生物研究上市公司Illumina(它也是McCauley的前前任雇主)推出一组叫HiSeq
.cn Copyright &,All Rights Reserved 版权所有,未经书面授权,所有页面内容不得以任何形式进行复制
京ICP证030950号基于红外光谱数据的中药药性识别研究
【摘要】【摘要】目的探讨中药红外光谱与药性的相关性。方法以红外光谱数据为分类指标，用主成分分析提取主成分，然后采用交叉验证法对不同药性中药进行交叉训练，建立中药药性的预测......
&&&&&& 【摘要】目的探讨中药红外光谱与药性的相关性。方法以红外光谱数据为分类指标，用主成分分析提取主成分，然后采用交叉验证法对不同药性中药进行交叉训练，建立中药药性的预测模型。结果该模型对预测集中平性药的识别正确率为83.33%，对非平性药的识别正确率为82.5%，总正确率82.89%，结论中药红外光谱与药性具有一定的相关性。
　　【关键词】主成分分析;支持向量机;红外光谱;中药药性
　　Abstract:ObjectiveToexploretherelationshipbetweenthepropertiesoftraditionalChinesemedicine(TCM)andinfraredspectrumdata.MethodsTheinfraredspectrumdataofTCMwereselectedasindexes,andtheprincipalcomponentsofthedatawerefoundoutthroughPCAandtrainedwithcrossvalidationmethodthroughSVM,soastoestablishtheneutralandnon-neutralpropertyofTCMpredictionmodel.ResultsThemodelrecognitionaccuracyfortheneutralmedicineinpredictionsetwas83.33%，and82.5%fornon-neutralmedicine，whichmadeupanaccuracyof82.89%inaverage.ConclusionTheinfraredspectrumandpropertiesofTCMhavesomerelevance.
　　Keywords:PCA;SVM;ITCMpropertyrecognition
　　红外光谱是利用物质分子对红外辐射的选择性吸收，用红外分光光度计测得的包含物质分子结构信息的光谱图。由于红外光谱具有特征性强、取样量小、简便迅速、准确等特点，近年来其应用得到较快的发展，各国药典都将红外光谱作为法定的药物鉴别的主要方法，与此同时也越来越多地应用于中药材的识别研究。
　　中医药是我国的传统医学宝库，中药药性理论是中国传统医药的核心理论之一，是中华医学理论体系中的一个重要组成部分。对中药药性的研究自古有之[1～3]，并已成为指导中医用药的指导原则[4]。然而，中药药性的机理至今尚未被人们所彻底了解，一般认为，中药中的化学成分或某些药效团是中药药性的物质基础[5,6]，但其与药性的相关性目前尚不为人知;由于红外光谱是利用物质的分子对红外辐射的吸收得到的与分子结构相应的红外光谱图，因此，如果中药中的化学成分或药效团确实与药性相关，那么其红外光谱与药性应具有一定的相关性。正是基于这种想法，本文尝试将主成分分析技术与支持向量机方法相结合，利用中药红外光谱数据进行建模分析，探讨中药红外光谱数据与药性的相关性，取得了较好的效果。现报道如下。
　　1基本原理简介
　　1.1支持向量机分类原理支持向量机[7](SupportVectorMachine，SVM)是从统计学习理论发展起来的一种机器学习方法,该方法不仅支持小样本情况下的识别分类，而且具有较好的泛化性，从上世纪90年代初提出以来已成为模式识别的一个重要方法，目前已广泛应用于生产实践与科学研究的各个领域，例如文本的分类与识别[8，9]、蛋白质功能的预测[10]和药材的分类与识别[11]等，其分类原理是通过定义适当的内积函数&(&)将数据从输入空间映射到高维解空间，然后在这个高维解空间中构造超平面
　　&&&(x) b=0①
　　再利用结构风险最小化原则，及Karush-Kuhn-Tucher条件，建立最优分类判别函数
　　y(x)=sign[&xi&SV&iyiK(xi,x) b]②
　　这里K(xi,x)=&(xi)T&(x)称为核函数，xi&SV称为支持向量。通过判别函数②即可实现数据的分类。
　　1.2主成分分析将红外光谱原始数据作为支持向量机的输入，通常存在两个问题，第一，红外光谱数据一般都是高维向量，维数从几十到上千不等，导致向量变量与样本数的比值过大，直接影响支持向量机建模的可靠性;第二，红外光谱数据往往包含有大量的重叠信息，数据矩阵存在大量线性相关的变量向量。因此利用支持向量机进行建模前,首先要对红外光谱数据进行压缩或降维，在保证不丢失光谱主要信息特征的前提下，将高维的光谱数据转化为低维数据，以作为支持向量机的输入。主成分分析法[12](principalcomponentanalysis,PCA)是目前使用最广泛的线性降维方法之一，该方法的最大特点是对原数据进行线性变换，保留方差大、包含信息量多的变量，丢掉方差较小、包含信息量少的变量，然后通过重新线性组合求出新的分量，达到降低光谱数据维数的目的，其基本原理[13]是将被分析的数据矩阵Xm&n分解成下面形式：
　　X=TPT E③
　　其中Tm&a称为得分矩阵，Pn&a称为载荷矩阵，Em&n为残差矩阵，T、P均为正交矩阵。在所能容忍的残差范围内，X近似地表示为
　　X=TPT④
　　将④式得分矩阵T移至左边，得
　　T=XP⑤
　　从⑤式可以看出，通过载荷矩阵P可以将原数据矩阵X投影到一个a维子空间，一般情况下，a远远小于原向量的维数n，于是实现了数据的降维。通常，a称为主成分数。
　　2.1药材本研究使用的76味中药的药材名称、产地及药性见表1。其中，平性药36味，寒凉药20味，温热药20味。
　　表176味中药材药名、产地、药性列表
　　药名产地药性药名产地药性药名产地药性蒲黄山东平桑寄生广西平细辛吉林温热桃仁河北平牛膝河南平花椒四川温热合欢皮四川平秦艽甘肃平丁香广东温热川牛膝四川平仙鹤草浙江平高良姜广东温热血竭广西平大血藤河南平丹皮安徽寒凉三棱江苏平矮地茶广西平赤芍湖南寒凉王不留行江苏平大血藤江西平大黄甘肃寒凉苏木广西平大血藤湖南平丹参河北寒凉银杏叶广西平藕节湖南平益母草广西寒凉肿节风广西平丝瓜络江苏平薄荷湖南寒凉甘草内蒙古平川芎四川温热桑叶安徽寒凉红景天湖南平桂枝广西温热葛根河南寒凉卷柏广西平当归甘肃温热柴胡河北寒凉两面针广西平三七广西温热知母河北寒凉路路通广西平红花河南温热栀子江西寒凉木贼陕西平麻黄内蒙古温热夏枯草湖北寒凉芡实安徽平紫苏湖南温热板蓝根河北寒凉山药广西平荆芥江苏温热金银花湖南寒凉香附湖南平防风东北温热蒲公英河北寒凉仙鹤草广西平苍术河北温热大青叶湖南寒凉茯苓云南平厚朴四川温热穿心莲广东寒凉香附山东平砂仁云南温热龙胆草内蒙古寒凉太子参江苏平豆蔻广西温热苦参山西寒凉山药河南平附子四川温热玄参浙江寒凉枸杞宁夏平干姜四川温热半边莲安徽平吴茱萸湖南温热
　　2.2仪器与实验参数设置
　　2.2.1仪器NicoletNEXUS470FT-IR光谱仪(美国ThermoNicolet公司)，FW-4型压片机(上海浦东荣丰科学仪器有限公司)。
　　2.2.2参数设置光谱扫描范围450～4000cm-1;分辨率4cm-1，等间隔采集数据，每味中药共采集1842个数据。扫描次数为16次。
　　2.3样品制备与测试在本研究的前期工作中，曾对20种不同药性中药的石油醚、醋酸乙酯、乙醇、水不同溶剂提取部位的提取物红外光谱与药性的相关性进行过初步分析，结果显示醋酸乙酯部位的提取物红外光谱与药性相关性最好，因此本实验主要对醋酸乙酯提取物的红外图谱进行分析，具体制样方法如下：取表1所示76种中药样品粉末各2g,分置于50ml锥形瓶中，分别加入醋酸乙酯20ml,，超声提取30min，滤过，取滤液水浴蒸干。将提取物以1∶50～1∶100的比例加入溴化钾研磨均匀，于压片机上压成透明的薄片，然后置于NicoletNEXUS470FT-IR光谱仪上扫描，测得各中药醋酸乙酯提取物的红外光谱及数据。
　　3数据处理与模型构建
　　3.1数据预处理为提高构建模型的健壮性，减少因实验误差、环境干扰等因素对分析对象的影响，本文每味中药均测定3次。构建模型前，首先对每味中药各次测得的光谱数据加和平均，得到加和平均数据曲线后，选择正交小波函数系Symlets对数据进行小波消噪处理，并在此基础上对数据进行如下变换。
　　3.1.1极差尺度化针对每一个样品红外光谱数据极差尺度化，其变换公式如下：
　　&ij=&ij-&min(i)&max(i)-&min(i)⑦
　　其中，Xij表示第i个样品的第j个属性，Xmin(i)表示第i个样品光谱数据的最小值，Xmax(i)表示第i个样品光谱数据的最大值。
　　在红外光谱测定中，通常较厚的材料样品比较薄的材料样品吸收更多的红外能量，结果表现为更高的谱峰，但峰值的比值却相对不变，因此，此操作可以补偿光程长造成的影响，消除由于样品厚度不同带来的测量误差，保持光谱的特征。
　　3.1.2数据中心化对光谱数据进行数据中心化处理。此操作目的是使所有光谱数据分布在零点两侧，不仅充分反映光谱的变化信息，而且使计算简便，从而提高区分中药药性的能力。
　　数据中心化就是从每个光谱数据中减去该样品的平均值，即：
　　&ij=&ij-&&i⑧
　　其中，&ij表示第i个样品的第j个属性，&&i为第i个样品的平均值。
　　3.1.3数据标准化处理光谱数据标准化目的就是消除各味中药光谱数据间的量纲差异，使各中药图谱间的变化信息具有同等的表现力，既保持每味中药光谱的各自特征，又可以使各图谱之间具有比较的能力。本文使用的数据标准化公式如下：
　　&ij=&ij-&&i&&i⑨
　　其中&&i为第j个属性的平均值，&Sj为第j个属性的标准偏差。
　　3.2模型构建光谱数据预处理后，首先使用主成分分析法对原光谱数据进行线性变换求出主成分，实现光谱数据的降维，降维后的维数由方差百分数判定，判定公式如下：
　　S2e=&di=1&i&pi=1&i
　　其中，S2e表示d个特征值与所有p个特征值加和的比值计算出的可被解释的累计方差。当取S2e=0.97时，可计算出主成分数为15，即使用15个主成分就可以解释97%以上的数据方差。
　　确定各中药红外光谱的主成分后，使用支持向量机构建模型。本文模型构建选择libsvm支持向量机[14]，采用径向基函数为核函数。由于只选用76味中药红外光谱数据作为分类指标，故在对主成分数据进行分类训练时采用交叉验证法，即每次留出一个样本作为预测数据，其余样本参与模型训练，为了寻找最优参数，对求解空间进行网格搜索，以确定最佳的惩罚参数C和径向基函数的参数&。经反复实验，并对结果进行统计、比较，发现当惩罚参数C值为8，径向基函数的参数&值为0.03125，平性药与非平性药的惩罚比例为1∶1时，分类效果最佳。
　　3.3药性预测按照所求出的惩罚参数C和径向基函数的平滑参数&建立模型，采用交叉验证法对药性进行预测。结果见表2。表2平性药与非平性药分类计算结果
　　4结果与讨论
　　从表2可以看出，采用主成分分析方法对中药光谱数据降维之后，用主成分作为支持向量机输入，构建得到的中药平性药和非平性药的识别模型，可以比较好的区分中药平性药与非平性药的药性，本方法对平性药识别率为83.33%，非平性药识别率为82.50%，总体识别率为82.89%。
　　中药成分复杂，对中药所有化学成分进行分析，然后再找出其与药性的相关性目前尚无可能;中药的红外光谱是中药各组分的叠加，本实验结果表明，利用中药醋酸乙酯部位成分群的红外光谱可较好地用于区分平性中药与非平性中药，本实验进一步证实中药的药性与其化学成分存在一定的相关性。
　　本法利用中药醋酸乙酯部位提取物的红外光谱构建中药平性药和非平性药的识别模型，总体识别率将近83%，但部分中药如三棱，三七等仍无法正确区分。经试验发现，对于用醋酸乙酯部位提取物的红外光谱无法正确识别的中药，当改用石油醚或其它部位成分群的红外光谱用于分类时，却可以较好区分。显然，中药用不同溶剂提取，其提取所得的成分群就会有不同;不同中药，可能表征其药性特征的成分群不一定都在同一溶剂部位，从而影响了其药性区分的准确性。因此，适当增加不同提取部位的红外数据，增加特征变量，有可能提高中药药性的识别率。
　　与传统的多元统计，神经网络等方法相比，支持向量机具有强大的非线性关联能力,可以有效解决光谱数据分析中的非线性问题，而且该法支持小样本量分类，具有较好的泛化性;本文将支持向量机与主成分分析相结合用于探讨中药红外图谱与药性的相关性，为中药药性物质基础的研究提供了一种新的研究思路。
(来源:未知)
(责任编辑：林溪)
免责声明：
除标明《实验室资讯网》原创外，本网部分文章转载自其它媒体，转载目的在于传递更多信息，
并不代表本网赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。
如其他媒体、网站或个人从本网下载使用，自负版权等法律责任。如涉及作品内容、版权和其它问题，
请在30日内与本网联系，我们将在第一时间删除内容！
固相微萃取（Solid－Phase Microextraction，简写为SPME）是近年来国际...
样品前随着现代化学分析技术的飞速发展，分析手段越来越向着...
大孔树脂吸附分离技术是采用特殊的吸附剂有选择地吸附其中的...
高速逆流色谱技术(high-speed countercurrent chromatography，简称HSCCC) 是...
光谱起源于17世纪，1666年物理学家牛顿第一次进行了光的色散实...
(C) 2014 Labtoday.net
All Rights Reserved.}