中国现代应用药学2023年2月第40卷第4期ChinJModApplPharm,2023February,Vol.40No.4·477·基于多种算法建立牡蛎及石决明的拉曼光谱鉴别模型李君翔1，倪琳2*，王亚飞1，马寒露3，宋平顺2，杨平荣2，王红球3(1.兰州大学药学院，兰州730000；2.甘肃省药品检验研究院/国家药监局中药材及饮片质量控制重点实验室/甘肃省中藏药检验检测工程技术实验室，兰州730000；3.北京鉴知技术有限公司，北京100081)摘要：目的利用拉曼光谱建立多种算法的定性模型，用于贝壳类动物药牡蛎和石决明的鉴别分析。方法采集32批牡蛎和29批石决明共计366个样品的拉曼光谱，光谱在Matlab软件中作Savitzky-Golay平滑滤波、ScaleNormalizationforImagePyramids基线校正、归一化预处理，并对全部及特征波段进行主成分分析降维。使用K最邻近法、决策树算法、判别分析法、集成学习法、支持向量机、人工神经网络6种分类算法建立鉴别模型，通过贝叶斯优化对前5种模型性能进行提升。结果预处理后拉曼信号峰明显，降维后牡蛎和石决明有聚类趋势。建立以200~310，670~740，1050~1100cm–1为特征波段的5种算法鉴别模型，相比于全波段模型，除集成学习法、支持向量机外，其他算法准确率均有一定的提高。贝叶斯优化后，有3种模型训练集准确率达到98%，测试集准确率达到100%。采用人工神经网络建模分类，训练集、验证集、测试集的正确率均达到100%，能够准确地区分牡蛎和石决明。结论基于多种算法或IP建立了牡蛎及石决明拉曼光谱鉴别模型，预测效果均较为理想，其中人工神经网络模型可实现牡蛎和石决明的百分百准确、快速鉴别。关键词：拉曼光谱；分类算法；鉴别模型；牡蛎；石决明中图分类号：R917文献标志码：B文章编号：1007-7693(2023)04-0477-06DOI:10.13748/j.cnki.issn1007-7693.2023.04.007引用本文：李君翔,倪琳,王亚飞,等.基于多种算法建立牡蛎及石决明的拉曼光谱鉴别模型[J].中国现代应用药学,2023,40(4):477-482.IdentificationModelsofRamanSpectrumforOstreaeConchaandHaliotidisConchaBasedonMultipleAlgorithmsLIJunxiang1,NILin2*,WANGYafei1,MAHanlu3,SONGPingshun2,YANGPingrong2,WANGHongqiu3(1.SchoolofPharmacy,LanzhouUniversity,Lanzhou730000,China;2.GansuProvincialInstituteofDrugControl/KeyLaboratoryofQualityControlofChineseMedicinalMaterialsandDecoctionPiecesofNMPA/GansuProvinceChineseandTibetanMedicineTestingEngineeringTechnologyLaboratory,La...
