郭云香
- 作品数：2 被引量：10H指数：2
- 供职机构：新疆医科大学中医学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 基于NIRS技术和PCA-SVM算法快速鉴别国产和进口啤酒花被引量：6
- 2019年
- 目的 利用近红外漫反射光谱(near-infrared reflectance spectroscopy,NIRS)法,结合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)联用算法,建立PCA-SVM的NIR模式识别模型,用于国产和进口啤酒花的快速鉴别。方法 收集上述不同产地的啤酒花样品,制备成均匀粉末,在4 000~12 500 cm -1 光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~4 100 cm -1 为建模谱段,分别采用不同光谱预处理方法进行预处理并分别进行PCA降维。根据2维主成分平面散点图,优选最佳预处理方法。利用最佳预处理方法处理后的光谱PCA降维数据,建立SVM模式识别模型,SVM模型参数采用网格搜索法、遗传算法(GA)、粒子群优化法(PSO)进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立PCA-SVM的NIR快速鉴别模型。结果 在6500~5400 cm -1 谱段,以一阶导数法(first derivative,FD)为最佳光谱预处理方法,PCA提取的光谱前8个主成分为最佳主成分,并经网格搜索法确定最佳SVM内部参数:惩罚因子c=2,核函数参数g=1,建立啤酒花PCA-SVM鉴别模型,该模型五折交叉验证准确率达97.37%,对校正集和测试集样品预测准确率均分别为97.37%和97.44%。结论 啤酒花NIRS光谱,进行PCA-SVM算法建模,模型预测准确率高、性能佳,可用于啤酒花样品的快速、无损鉴别。
- 郭云香陈龙李晓瑾陈龙李晓瑾辛海量贾晓光
- 关键词：啤酒花近红外漫反射光谱主成分分析支持向量机
- 维吾尔药材红豆杉植物基原研究被引量：4
- 2017年
- 从分子学角度探明维吾尔药材红豆杉的植物基原,为维吾尔药材标准化与维吾尔药产业化提供科学依据。采用试剂盒法提取红豆杉属植物及药材基因组DNA,PCR扩增ITS2片段,双向测序,应用Mega 6.0软件分析序列,计算种内及种间遗传距离,构建NJ鉴别树。红豆杉属植物ITS2序列长度为229~231bp,GC含量为59.13%~60.26%;西藏红豆杉与红豆杉及南方红豆杉种内种间K2P距离为0,与东北红豆杉、命叶红豆杉及曼地亚红豆杉种间K2P距离分别为0.012、0.013、0.015。NJ树结果表明,西藏红豆杉与红豆杉及南方红豆杉无法区分,与东北红豆杉、命叶红豆杉可区分;曼地亚红豆杉与其母本东北红豆杉聚在一起,无法区分。根据ITS2序列鉴定结果,西藏红豆杉与红豆杉、南方红豆杉可作为药材的同一基原,东北红豆杉可与曼地亚红豆杉作为同一基原,为维吾尔药材的真伪鉴别及质量标准提升提供基原鉴定依据。
- 杨珺樊丛照李晓瑾郭云香
- 关键词：红豆杉基原
