关键词： 高光谱成像   栀子   产地   模式识别  

摘要： 为实现快速无损识别中药栀子的产地,建立一种基于高光谱成像技术的方法。利用高光谱成像系统分别从可见-近红外波段(410~990 nm, VNIR)和短波红外波段(950~2 500 nm, SWIR)获取8个产地栀子样品的高光谱图像,使用ENVI 5.3软件提取并计算感兴趣区域内的平均光谱反射率,最终获得1 600个样品的光谱数据。将VNIR和SWIR的光谱数据结合即得覆盖410~2 500 nm的可见-短波红外波段(即融合波段)光谱数据。从VNIR、SWIR和融合波段这3个维度,使用多元散射校正、Savitzky-Golay平滑、标准正态变换、一阶导数(FD)和二阶导数等5种常用的预处理方法,对3组光谱数据进行降噪处理。使用偏最小二乘判别分析、线性支持向量机分类器(LinearSVC)和随机森林这3种分类算法分别建立栀子产地识别模型。结果表明,融合波段光谱数据经FD预处理后建立的栀子产地识别模型结果较好。根据混淆矩阵评估结果,使用LinearSVC构建的模型预测集识别准确率达到100%,确定栀子产地最佳识别模型为融合波段-FD-LinearSVC。因此,高光谱技术能够实现快速、无损、准确地识别不同产地栀子样品,可为栀子及其他中药材鉴别检测提供技术参考。

关键词： 自适应   数据驱动   认知计算   深度学习   模式识别  

摘要： 应用自适应是软件工程和服务计算这一交叉领域的研究热点之一,应用通过感知自身和环境的变化,动态调整自己的行为与流程,以便在环境与需求发生非确定性变化的情况下继续高效地达成服务目标.近年来随着大数据和人工智能的发展,传统的基于软件模型控制的方法已经不再适用于当今动态和复杂的应用环境.相比而言,数据驱动的方法不依赖于数学模型和专家知识,而是以概率和数理统计为基础,通过应用服务运行的反馈数据,逐步学习和理解复杂多变的环境,继而学习出自适应系统的模型.因此,数据驱动的应用自适应具有感知性、适应性、自治性和协作性等特点,适用于流程复杂的应用服务场景,如物联网、智能交通、分布式计算等.从自适应框架出发,参考了认知计算的相关特点,总结出数据驱动的智能自适应框架,并分别综述了其中的表征学习、模式识别、决策规划和规则演化这4种技术在近几年数据驱动的自适应技术中的应用,重点探索了如机器学习、深度学习和强化学习等新技术在其中所起的作用,并总结和展望了自适应技术在服务计算领域的发展趋势.

关键词： 杜仲雄花   指纹图谱   高效液相色谱法   偏最小二乘法分析   聚类分析   桃叶珊瑚苷   京尼平苷酸   绿原酸   京尼平苷   芦丁   槲皮素  

摘要： 目的 建立4个产地21批杜仲Eucommia ulmoides雄花的高效液相色谱(HPLC)指纹图谱,为杜仲雄花的质量控制提供参考。方法 采用HPLC法,色谱柱为Agilent HC-C_(18)色谱柱(250 mm×4.6 mm,5.0μm);流动相为乙腈-0.1%甲酸水溶液;梯度洗脱;体积流量0.8 mL/min;柱温35℃;程序变化波长;进样量20μL。通过相似度评价、偏最小二乘法分析(partial least squares discriminant analysis,PLS-DA)、系统聚类分析(hierarchical cluster analysis,HCA)以及气候因子相关性分析等对杜仲雄花指纹图谱进行分析评价。结果 建立4个产地杜仲雄花HPLC指纹图谱,共标定15个共有峰,指认出其中6个色谱峰,分别为桃叶珊瑚苷、京尼平苷酸、绿原酸、京尼平苷、芦丁、槲皮素;21批杜仲雄花指纹图谱与对照图谱的相似度为0.911~0.989;PLS-DA分析表明不同产地杜仲雄花样品具有一定差异,根据变量投影重要性(variable importance in the projection,VIP)筛选出7个差异性成分;差异性成分峰面积结合气候因子的相关性分析结果显示9号峰峰面积与3、4月平均最低气温呈显著正相关,15号峰槲皮素峰面积与3月平均降水天数呈显著负相关,其余差异性成分与气候因子未呈现出明显的相关性。结论 该方法可应用于杜仲雄花的质量评价,为杜仲雄花质量控制与资源开发提供参考。

关键词： 复方茴芹颗粒   高效液相色谱法   指纹图谱   含量测定   化学模式识别  

摘要： 目的建立复方茴芹颗粒的高效液相色谱(HPLC)指纹图谱并结合化学模式识别技术进行分析,同时测定该颗粒剂中8种有效成分的含量。方法采用HPLC法,以葛根素的色谱峰为参照峰,绘制10批复方茴芹颗粒样品的指纹图谱;采用《中药色谱指纹图谱相似度评价系统(2012版)》进行相似度评价,并指认共有峰;采用SPSS 22.0、SIMCA 14.0软件进行聚类分析和主成分分析。采用HPLC法测定样品中8种有效成分绿原酸、葛根素、3′-甲氧基葛根素、大豆苷、木犀草素-7-O-β-D-葡萄糖醛酸苷、异绿原酸A、芹菜素-7-O-β-D-葡萄糖醛酸苷、异绿原酸C的含量。结果10批复方茴芹颗粒的指纹图谱中共有26个共有峰,相似度均大于0.900;共指认出11个共有峰,分别为没食子酸、新绿原酸、绿原酸、葛根素、3′-甲氧基葛根素、大豆苷、木犀草素-7-O-β-D葡萄糖醛酸苷、异绿原酸A、芹菜素-7-O-β-D-葡萄糖醛酸苷、异绿原酸C及大豆苷元。聚类分析和主成分分析结果显示,10批复方茴芹颗粒可聚为4类,其中S2、S3、S6为一类,S4、S8、S10为一类,S7为一类,S1、S5、S9为一类。10批复方茴芹颗粒中8种有效成分的平均含量分别为1.30、17.42、3.51、3.57、0.75、0.41、0.31、0.32 mg/g。结论本研究成功建立了复方茴芹颗粒的指纹图谱及多成分含量测定方法,可为该颗粒剂的质量控制提供依据。

关键词： 多核学习   经验核映射   模式识别   核方法   机器学习  

摘要： 多随机经验核学习机(multiple random empirical kernel learning machine,MREKLM)选取少量样本来构造经验特征空间,但在投影时没有考虑数据的分布信息,并且样本选择时间长。为了利用样本的分布信息,引入了类内散度矩阵,提出了基于类内方差的多经验核学习(ICVMEKL),使得样本在投影时能考虑样本类内信息,强化了分类边界,提高了分类精度。进一步,为了降低样本选择时间,利用了基于位置敏感哈希的边界点提取方法(BPLSH)来选择样本,提出了基于位置敏感哈希算法改进的ICVMEKL(ICVMEKL_I),使构建经验核的样本不再需要从候选集中获取,降低了训练时间。多个数据集上的实验结果表明,ICVMEKL能有效提高精度,ICVMEKL_I能大幅降低训练时间,两者都表现出了良好的泛化性能。

关键词： 消炎利胆片   HPLC   指纹图谱   质量评价   化学模式识别  

摘要： 目的 基于HPLC指纹图谱、多成分定量与化学模式识别相结合的方法,对不同厂家消炎利胆片的质量进行评价,为其质量控制、生产工艺研究提供依据。方法 采用HPLC,流动相为乙腈-0.1%甲酸水溶液进行梯度洗脱,检测波长为225 nm,柱温为室温,对32批消炎利胆片样品进行指纹图谱分析,41批消炎利胆片样品的7个成分进行含量测定,应用主成分分析(Principal component analysis,PCA)、聚类分析(Cluster analysis,CA)、正交偏最小二乘判别分析(Orthogonal partial least squares discriminant analysis,OPLS-DA)对消炎利胆片的质量进行整体性评价。结果 消炎利胆片的32批样品的HPLC指纹图谱相似度为0.818-0.998,通过无监督模式CA、PCA将样品分为3类,结合有监督模式OPLS-DA分析得出3号峰(4-甲氧基-5-羟基铁屎米酮)、4号峰(穿心莲内酯)、11号峰(脱水穿心莲内酯)为样品质量差异的标志峰。41批样品中,6批不含3号峰(4-甲氧基-5-羟基铁屎米酮),9批不含8号峰(4,5-二甲氧基铁屎米酮)。结论 不同厂家的消炎利胆片的成分含量存在一定差异,其质量控制应注意药材的来源、药用部位、生产工艺。HPLC指纹图谱与化学模式识别相结合可整体性的评价消炎利胆片的质量,该方法的建立为其质量控制研究提供参考。

关键词： 西洋参   (水饱和)正丁醇提取物   HPLC   指纹图谱   含量测定   聚类分析   主成分分析  

摘要： 目的 根据HPLC指纹图谱和多种人参皂苷类成分的含量测定,并结合化学模式识别法,比较不同产地、不同年限、不同种植方式的西洋参质量,为其进一步开发利用提供依据。方法 HPLC法得到20批不同规格的西洋参色谱图,用中药色谱指纹图谱相似度评价软件(2012版)进行评价,对其中的11种人参皂苷测定含量,并运用聚类分析和主成分分析对其进行区分比较。结果 选取了28个色谱峰作为指纹图谱的共有峰,20批西洋参药材的指纹图谱相似度均大于0.90,通过与对照品比对指认出其中的11种人参皂苷类成分(Rg1、Re、Rg2、Ro、Rb1、Rc、Rb2、Rb3、Rd、Rg3、Rh2),未检测到人参皂苷Rf。产地对西洋参的质量影响较大,进口西洋参中人参皂苷含量较高,在国内集安的西洋参中人参皂苷含量较高,此外西洋参生长年限越高,人参皂苷含量越高;在国内移栽种植的质量要高于直播种植。20批西洋参药材的聚类分析和主成分分析结果相似,进口西洋参和集安的西洋参较为相似,长白和抚松的西洋参较为相似,文登西洋参单独成一类;造成西洋参质量差异的主要成分是人参皂苷Rb1、Re、Rd、Ro。结论 指纹图谱与含量测定相结合,应用聚类分析及主成分分析可全面评价西洋参质量,人参皂苷类成分可以作为西洋参质量控制的指标性成分,该方法能为西洋参的质量控制及评价提供参考。

关键词： 吉祥草   高效液相色谱法   指纹图谱   化学模式识别   测定  

摘要： 基于吉祥草高效液相色谱(HPLC)指纹图谱,结合化学模式识别评价20批吉祥草(S1~S20)的质量,并测定其中芦丁、人参皂苷Rb1、薯蓣皂苷、薯蓣皂苷元等4种化学成分的含量。吉祥草样品经75%(体积分数)乙醇溶液回流提取2次,过滤、合并滤液、旋转蒸发至干,得到的残渣用甲醇溶解并定容至10 mL,过0.45μm微孔滤膜,滤液供HPLC分析。采用中药色谱指纹图谱相似度评价系统(2012A版)建立20批吉祥草HPLC指纹图谱,并对其进行相似度评价。结合化学模式识别,进行聚类分析、主成分分析和偏最小二乘判别分析,并筛选差异性成分。结果表明:从20批吉祥草HPLC指纹图谱中,选取了13个共有峰,指认其中4个成分,分别为芦丁(峰5)、人参皂苷Rb1(峰11)、薯蓣皂苷(峰12)、薯蓣皂苷元(峰13);20批吉祥草图谱与对照图谱相似度为0.546~0.942;经聚类分析和偏最小二乘判别分析,20批吉祥草均被分成3类,其中S7、S10、S12、S16、S18、S17、S15、S3、S4、S1、S13、S2、S14、S19、S6、S8、S20、S9为第1类,S11为第2类,S5为第3类;经主成分分析,主成分1~4的累积方差贡献率为85.374%,20批吉祥草中S5的综合得分较高,其次是S11;采用变量重要性投影法筛选出7个差异性成分,分别为峰13(薯蓣皂苷元)、峰2、峰7、峰5(芦丁)、峰12(薯蓣皂苷)、峰1和峰6;芦丁、人参皂苷Rb1、薯蓣皂苷、薯蓣皂苷元的质量在一定范围内与其对应的峰面积呈线性关系,检出限(3S/N)为0.005~0.020 mg·g^(-1);对S2进行加标回收试验,4种化学成分的回收率为97.4%~102%,测定值的相对标准偏差(n=6)为1.1%~2.6%;方法用于20批吉祥草分析,芦丁、人参皂苷Rb1、薯蓣皂苷和薯蓣皂苷元的测定值分别为0.249~0.984 mg·g^(-1),0.431~5.851 mg·g^(-1),0.007~0.261 mg·g^(-1)和0.003~0.095 mg·g^(-1)。

关键词： 供水管网   高频压力数据   异常模式识别   时间序列聚类  

摘要： 研究根据实际案例,介绍1种高频压力数据异常模式识别组合模型,组合模型包含异常模式提取、基于DTW距离的相似搜索、基于DTW的K-means时间序列聚类。有望在实际运用中,针对供水管网中已知的异常模式,进行识别预警。选取某压力监测点的高频压力数据对模型进行分析。结果表明,模型能够有效识别出实际案例中的异常模式,归一化互信息(NMI)指数可达0.818。