目的探讨SIMCA(soft independent modeling of class analogy)法对肝炎后肝硬化中医证候判识的可行性。方法在对变量进行归一化处理的基础上,用SIMCA法对268例肝炎后肝硬化患者临床症状、体征和生物学指标进行分析,获得相应SIMCA距离并...目的探讨SIMCA(soft independent modeling of class analogy)法对肝炎后肝硬化中医证候判识的可行性。方法在对变量进行归一化处理的基础上,用SIMCA法对268例肝炎后肝硬化患者临床症状、体征和生物学指标进行分析,获得相应SIMCA距离并以之对肝硬化证候进行识别,再运用秩和检验分析误判原因。结果 5种中医证候(肝郁脾虚证、肝肾阴虚证、脾肾阳虚证、湿热内蕴证及瘀热蕴结证)的识别率在最近类中为72.39%,在次近类中为17.91%,总识别率为90.30%。其中,对肝肾阴虚证的识别率最高,总识别率为95.24%。秩和检验分析结果表明,在最近类中,未得到识别者与得到识别者比较,在某些对证候判识起关键作用的症状变量得分方面差异有统计学意义(P<0.05)。结论采用SIMCA法对肝炎后肝硬化中医证候进行判识,与临床实际证候拟合度较高。依据SIMCA法建立证候辨识系统可为中医证候判别提供参考。展开更多
食用油是日常生活中的必需品。市场上食用油在成分、营养价值及价格上有很大的不同。为避免欺诈行为,亟需建立一套有效的市场销售的食用油品质分类方法。常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。分子光谱从分子水...食用油是日常生活中的必需品。市场上食用油在成分、营养价值及价格上有很大的不同。为避免欺诈行为,亟需建立一套有效的市场销售的食用油品质分类方法。常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。分子光谱从分子水平上反映了物质的组成与结构信息,分子光谱分析速度快而且是无损监测,因此分子光谱分析结合化学计量学的方法正成为食用油分类方法的趋势。SIMCA(Soft Independent Modeling of Class Analogy)是应用广泛的分子光谱分析方法,然而在SIMCA中使用欧氏距离于对基于PCA和F检验提取的特征进行分类,难以区分不规则的特征空间。由于食用油样本分子光谱差别细微,通常难以用SIMCA方法进行分类。SVDD(Support Vector Domain Description)算法是一类基于支持域的非线性单类分类方法, SVDD利用求解凸二次规划得出一个尽可能包含所有目标样本的最小超球体进行分类。本文提出了一种基于SIMCA-SVDD方法的分子光谱分析方法并用于食用油的快速分类。为鉴别不同种类的食用油,在ATR-FTIR光谱仪上扫描四种食用油的红外光谱。应用SIMCA方法提取分类特T^2和Q,由于提取的特征T^2和Q分布的不规则性,不同于SIMCA中的欧氏距离,本文采用SVDD用于对提取的不规则特征进行分类。由于SVDD能通过映射函数将分类特征映射到高维空间,因此可以通过求解凸二次规划来训练最优的分类超球面对分类特征进行分类。采用本文所提的SIMCA-SVDD方法及传统的SIMCA方法,对同样的样本进行了对比实验。对比实验证实了本文所提的SIMCA-SVDD方法具有比传统的SIMCA方法更好的分类结果,所提的方法为实现基于分子光谱进行食用油快速分类提供了一条新的途径。展开更多
文摘目的探讨SIMCA(soft independent modeling of class analogy)法对肝炎后肝硬化中医证候判识的可行性。方法在对变量进行归一化处理的基础上,用SIMCA法对268例肝炎后肝硬化患者临床症状、体征和生物学指标进行分析,获得相应SIMCA距离并以之对肝硬化证候进行识别,再运用秩和检验分析误判原因。结果 5种中医证候(肝郁脾虚证、肝肾阴虚证、脾肾阳虚证、湿热内蕴证及瘀热蕴结证)的识别率在最近类中为72.39%,在次近类中为17.91%,总识别率为90.30%。其中,对肝肾阴虚证的识别率最高,总识别率为95.24%。秩和检验分析结果表明,在最近类中,未得到识别者与得到识别者比较,在某些对证候判识起关键作用的症状变量得分方面差异有统计学意义(P<0.05)。结论采用SIMCA法对肝炎后肝硬化中医证候进行判识,与临床实际证候拟合度较高。依据SIMCA法建立证候辨识系统可为中医证候判别提供参考。
基金National Key Research and Development Plan(2016YFF0102500)Beijing Natural Science Foundation(4172044)。
文摘食用油是日常生活中的必需品。市场上食用油在成分、营养价值及价格上有很大的不同。为避免欺诈行为,亟需建立一套有效的市场销售的食用油品质分类方法。常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。分子光谱从分子水平上反映了物质的组成与结构信息,分子光谱分析速度快而且是无损监测,因此分子光谱分析结合化学计量学的方法正成为食用油分类方法的趋势。SIMCA(Soft Independent Modeling of Class Analogy)是应用广泛的分子光谱分析方法,然而在SIMCA中使用欧氏距离于对基于PCA和F检验提取的特征进行分类,难以区分不规则的特征空间。由于食用油样本分子光谱差别细微,通常难以用SIMCA方法进行分类。SVDD(Support Vector Domain Description)算法是一类基于支持域的非线性单类分类方法, SVDD利用求解凸二次规划得出一个尽可能包含所有目标样本的最小超球体进行分类。本文提出了一种基于SIMCA-SVDD方法的分子光谱分析方法并用于食用油的快速分类。为鉴别不同种类的食用油,在ATR-FTIR光谱仪上扫描四种食用油的红外光谱。应用SIMCA方法提取分类特T^2和Q,由于提取的特征T^2和Q分布的不规则性,不同于SIMCA中的欧氏距离,本文采用SVDD用于对提取的不规则特征进行分类。由于SVDD能通过映射函数将分类特征映射到高维空间,因此可以通过求解凸二次规划来训练最优的分类超球面对分类特征进行分类。采用本文所提的SIMCA-SVDD方法及传统的SIMCA方法,对同样的样本进行了对比实验。对比实验证实了本文所提的SIMCA-SVDD方法具有比传统的SIMCA方法更好的分类结果,所提的方法为实现基于分子光谱进行食用油快速分类提供了一条新的途径。