支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究

被引：37

作者：

张录达

苏时光

王来生

李军会

杨丽明

机构：

[1] 中国农业大学理学院,中国农业大学理学院,中国农业大学理学院,中国农业大学信息学院,中国农业大学理学院北京,北京,北京,北京,北京

来源：

光谱学与光谱分析 | 2005年 / 01期

关键词：

支持向量机; 近红外光谱; 化学计量学; 中药大黄;

D O I：

暂无

中图分类号：

O657.3 [光化学分析法（光谱分析法）];

学科分类号：

摘要：

支持向量机(SVM)用于两类问题的识别研究,它是统计学习理论中最年轻的分支,所建分析模型有严格的数学基础。同时介绍了SVM学习的基本原理和方法,并将该方法引入化学计量学,以103个中药大黄样品为实验材料,通过SVM近红外光谱法建立了大黄样品真伪识别模型。对学习集中33个样品模型识别准确率为100%;对70个预测样品的识别准确率为9677%,为中药大黄的快速识别提供了参考。研究结果表明了SVM近红外光谱法建立生物样品识别模型的可行性。通过旨在介绍SVM学习方法的基本思想,以引起化学计量学工作者的进一步关注。

引用

页码：33 / 35

页数：3