基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究.pdfVIP

第42卷第3期分析测试学报Vol.42No.3

2023年3月FENXICESHIXUEBAO（JournalofInstrumentalAnalysis）307~314

doi：10.19969/j.fxcsxb.

基于稀疏主成分分析特征选择算法的

山楂叶产地判别模型研究

1，21，2，4351*42*

梁小娟，王娅妮，马晋芳，孙鹏，郭拓，严诗楷，肖雪

（1．陕西科技大学电子信息与人工智能学院，陕西西安710021；2．广东药科大学中医药研究院，广东

广州510006；3．暨南大学光电工程系，广东广州510632；4．上海交通大学药学院，上海200240；

5．山东中医药大学药物研究院，山东济南250355）

摘要：为实现山楂叶产地的快速判别，提出一种基于稀疏主成分分析特征选择（SPCAFS）与支持向量机

（SVM）建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红

外光谱图，经数据预处理后，通过SPCAFS对代表性特征波段进行选择，并采用SVM建立山楂叶近红外产地

判别模型。模型与连续投影（SPA），正则化自表示（RSR）和稀疏子空间聚类（SSC）3种特征选择算法进行对比，

以准确率、精确度和灵敏度作为评价标准，评估所提模型的预测性能。结果显示，SPCAFS的特征波段数相

比于全波长建模从1500减少到21，预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时，

相比于SPA、RSR、SSC算法，准确率分别提升了6%、3%、3%，精确度分别提升了13%、10%、5%，模型的

预测能力得到显著提升，基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。

关键词：近红外光谱；特征选择；山楂叶；产地判别；稀疏主成分分析特征选择算法；支持向量机

中图分类号：O657.3；TQ460.72文献标识码：A文章编号：1004-4957（2023）03-0307-08

OriginDiscriminationModelofCrataegiFoliumBasedonSparse

PrincipalComponentAnalysisforFeatureSelection

1，21，2，4351*

LIANGXiao-juan，WANGYa-ni，MAJin-fang，SUNPeng，GUOTuo，

42*

YANSh