期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支持向量机的64种唇形科中药辛味药性模式识别研究
被引量:
1
1
作者
周晴
张传耀
王鹏
《时珍国医国药》
CAS
CSCD
北大核心
2023年第9期2280-2283,共4页
目的研究辛味唇形科中药化学成分的特征规律,并建立辛味药性判别预测模型。方法从《中华本草》中收集64种对“五味”有明确记载的唇形科中药,将属于酸味、苦味、甘味、咸味中药记为“不是辛味”中药类,属于辛味的中药为“辛味”中药类,...
目的研究辛味唇形科中药化学成分的特征规律,并建立辛味药性判别预测模型。方法从《中华本草》中收集64种对“五味”有明确记载的唇形科中药,将属于酸味、苦味、甘味、咸味中药记为“不是辛味”中药类,属于辛味的中药为“辛味”中药类,用支持向量机(SVM)构建辛味药性判别预测模型。结果倍半萜类化学成分、倍半萜类化学成分和单萜类化学成分、倍半萜类化学成分和简单苯丙素类化学成分三种组合的提升度最高,表现出与辛味药性的强关联性,利用SVM建立的唇形科中药辛味药性判别预测模型对培训集样本判别率达100%,对测试集样本判别率达到94.74%,具有良好的预测判定效果。结论基于SVM的分类模型能实现唇形科中药辛味药性的高效判别。
展开更多
关键词
支持向量机
唇形科中药
辛味药性
模式识别
原文传递
题名
基于支持向量机的64种唇形科中药辛味药性模式识别研究
被引量:
1
1
作者
周晴
张传耀
王鹏
机构
安徽中医药大学
出处
《时珍国医国药》
CAS
CSCD
北大核心
2023年第9期2280-2283,共4页
基金
国家自然科学基金面上项目(81673622)
安徽省自然科学基金课题(1508085MH202)
安徽省高校自然科学研究重点项目(KJ2019A0464)。
文摘
目的研究辛味唇形科中药化学成分的特征规律,并建立辛味药性判别预测模型。方法从《中华本草》中收集64种对“五味”有明确记载的唇形科中药,将属于酸味、苦味、甘味、咸味中药记为“不是辛味”中药类,属于辛味的中药为“辛味”中药类,用支持向量机(SVM)构建辛味药性判别预测模型。结果倍半萜类化学成分、倍半萜类化学成分和单萜类化学成分、倍半萜类化学成分和简单苯丙素类化学成分三种组合的提升度最高,表现出与辛味药性的强关联性,利用SVM建立的唇形科中药辛味药性判别预测模型对培训集样本判别率达100%,对测试集样本判别率达到94.74%,具有良好的预测判定效果。结论基于SVM的分类模型能实现唇形科中药辛味药性的高效判别。
关键词
支持向量机
唇形科中药
辛味药性
模式识别
Keywords
Support Vector Machine
Labiate Chinese herbs
Pungent drug properties
Pattern recognition
分类号
R285.1 [医药卫生—中药学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于支持向量机的64种唇形科中药辛味药性模式识别研究
周晴
张传耀
王鹏
《时珍国医国药》
CAS
CSCD
北大核心
2023
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部