基于人工神经网络的中药药性判别研究

目的探讨中药的属性特征与其药性的相关性,及基于误差反向传播算法(BP)的人工神经网络在中药药性判别中的可行性。方法收集《中华本草》中收录的药性明确、属性特征详尽且具有代表性的植物药1 728种,先后以单因素和多因素非条件Logistic回归筛选与药性相关性有统计学意义的药材属性特征,再构建基于中药材属性特征的药性判别的BP神经网络模型,并以此模型对药材的药性进行判别分类。结果按照分层随机抽样的原则,从寒、热性两类药材中分别随机抽取60%的药材作为训练集,其余40%(共691种)药材组成测试集,构建三层BP模型对药材做出判别。测试药材中,热性药的正确率为70.72%,寒性药的正确率为71.96%,整体正确率为71.49%。结论基于中药的属性特征,BP神经网络模型能够进行药性的快速识别,且该模型具有自适应性、容错性、非线性等特点,能够有效解决中药属性特征与药性的非线性相关关系问题,为中药药性的有效判别提供了新思路和新方法。