基于电子鼻时域与频域数据挖掘的中药材产地分类
定量方法
2021-07-29 v3
摘要
中药材产地对其疗效至关重要,有望通过电子鼻系统加以区分。由于不同产地中药材的气味指纹差异可能极小,产地判别比不同类别的判别困难得多。更好的特征提取方法对更准确地完成该任务具有重要意义,但缺乏对不同特征提取方法的系统研究。本研究采用不同特征提取方法:人工特征提取、数学变换、深度学习算法,对三类中药材的不同产地进行分类。通过 50 次自助法重复实验,我们以带/不带降维方法(主成分分析、线性判别分析)的两层神经网络作为三个基分类器,比较了各提取方法的有效性。与常规聚合特征相比,Fast Fourier Transform 方法和我们的新方法(一线纵向信息法)在所有 3 个基分类器和全部三类中药材上均显示出显著的准确率提升(p < 0.05)。我们应用的两种深度学习算法也显示出部分显著提升:一维卷积神经网络(1D-CNN)和一种基于图池化的新框架——多元时间池化(MTPool)。
引用
@article{arxiv.2104.06640,
title = {Classifying herbal medicine origins by temporal and spectral data mining of electronic nose},
author = {Li Liu and Xianghao Zhan and Ziheng Duan and Yi Wu and Rumeng Wu and Xiaoqing Guan and Zhan Wang and You Wang and Guang Li},
journal= {arXiv preprint arXiv:2104.06640},
year = {2021}
}