文章编号：１６７３-５１９６（２０２３）０３-００５５-０５基于机器学习的红外光谱数据鉴别中药材性能方法田春婷*，赵宁，秦建伟，孟晓凤（兰州石化职业技术大学信息工程学院，甘肃兰州７３００６０）摘要：中药材种类不同，近红外和中红外光谱特征也有很大差异．由于无机元素和有机物质等化学成分不同，所以即使同种中药材产地不同，在近红外和中红外光谱辐照下标记效果也会显示不同的光谱特性，这些特性可用于对中药材进行分类和产地识别．借助ＭＡＴＬＡＢ软件和ＳＰＳＳ分类工具K-均值聚类算法对中药材进行无监督机器学习，从而对中药材进行分类．同时，运用ＳＰＳＳ神经网络多层感知器和Ｐｙｔｈｏｎ语言提供的随机森林算法，将数据集的７０％作为训练集，３０％作为验证集，进行监督机器学习模型训练，从而对中药材产地进行鉴别预测．关键词：红外光谱；机器学习；聚类分析；神经网络中图分类号：ＴＰ１８１；ＴＨ１２３文献标志码：ＡAmachinelearningmethodsforidentifyingthepropertiesofChinesemedicinalmaterialsfrominfraredspectrumdataＴＩＡＮＣｈｕｎ-ｔｉｎｇ，ＺＨＡＯＮｉｎｇ，ＱＩＮＪｉａｎ-ｗｅｉ，ＭＥＮＧＸｉａｏ-ｆｅｎｇ（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＰｅｔｒｏｃｈｅｍｉｃａｌＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００６０，Ｃｈｉｎａ）Abstract：Ｔｈｅｒｅａｒｅｇｒｅａｔｄｉｆｆｅｒｅｎｃｅｓｉｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｎｅａｒ-ｉｎｆｒａｒｅｄａｎｄｍｉｄ-ｉｎｆｒａｒｅｄｓｐｅｃｔｒａｏｆｄｉｆ-ｆｅｒｅｎｔｋｉｎｄｓｏｆｔｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅｍｅｄｉｃｉｎｅ．Ｄｕｅｔｏｔｈｅｄｉｆｆｅｒｅｎｔｃｈｅｍｉｃａｌｃｏｍｐｏｎｅｎｔｓｓｕｃｈａｓｉｎｏｒｇａｎｉｃｅｌｅｍｅｎｔｓａｎｄｏｒｇａｎｉｃｓｕｂｓｔａｎｃｅｓ，ｅｖｅｎｉｆｔｈｅｏｒｉｇｉｎｏｆｔｈｅｓａｍｅｔｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅｍｅｄｉｃｉｎｅｉｓｄｉｆｆｅｒｅｎｔ，ｔｈｅｌａｂｅｌｉｎｇｅｆｆｅｃｔｕｎｄｅｒｎｅａｒ-ｉｎｆｒａｒｅｄａｎｄｍｉｄ-ｉｎｆｒａｒｅｄｓｐｅｃｔｒａｌｉｒｒａｄｉａｔｉｏｎｗｉｌｌｈａｖｅｄｉｆｆｅｒｅｎｔｓｐｅｃｔｒａｌｃｈａｒ-ａｃｔｅｒｉｓｔｉｃｓｗｈｉｃｈｃａｎｂｅｕｓｅｄｔｏｃｌａｓｓｉｆｙＣｈｉｎｅｓｅｈｅｒｂ...
