天津农学院学报 ›› 2016, Vol. 23 ›› Issue (2): 49-52.

• 研究与简报 • 上一篇    下一篇

支持向量机和BP神经网络在可见-近红外光谱检测药品中的比较与应用

周宇晴, 秦梦芝,马志宏1b,通信作者   

  1. 1. 天津农学院
    a. 动物科学与动物医学学院,
    b. 基础科学学院,天津300384
  • 出版日期:2016-06-20 发布日期:2019-10-14
  • 通讯作者: 马志宏(1975-),男,宁夏中卫人,教授,硕士,主要从事数学教学及应用数学研究工作。E-mail:idmake@163.com。
  • 作者简介:周宇晴(1995-),女,安徽芜湖人,本科在读,主要从事动物药学方面的研究。E-mail:18822165887@163.com。
  • 基金资助:
    天津农学院教育教学研究与改革项目“农林院校将数学建模融入大学数学教学 提高教学产出的研究”(2014-A07)

Comparison and Application of Support Vector Machine and BP Neural Network in Visible-near Infrared Spectroscopy Detection of Drugs

ZHOU Yu-qing, QIN Meng-zhi, MA Zhi-hong1b,Corresponding Author   

  1. 1. Tianjin Agricultural University,
    a. College of Animal Science and Veterinary Medicine,
    b. College of Basic Science, Tianjin 300384, China
  • Online:2016-06-20 Published:2019-10-14

摘要: 通过药品的可见-近红外光谱数据,提出基于支持向量机(SVM)和BP神经网络来定量分析药品中组分含量的检测方法,建立相应的药品组分含量的预测模型。以2002年国际扩散反射会议(IDCR)发布的可见-近红外药片数据集为研究对象进行分析研究。结果表明:SVM法所建模型的预测精度明显高于BP神经网络模型,可以较好地应用于可见-近红外光谱检测药品,为药品检测提供了一种准确、有效的方法。

关键词: 支持向量机, BP神经网络, 可见-近红外光谱, 药品检测, 预测

Abstract: In this paper, according to visible-near infrared spectral data of drugs, we proposed a method for drug detection based on support vector machine (SVM) and BP neural network regression model. Analyzing and researching on the data set of the visible-near infrared tablets released by the International Diffuse Reflection Conference (2002). The results showed that the prediction accuracy of the SVM model was significantly higher than that of the BP neural network model, and it can be applied to the visible-near infrared spectrum detection of drugs and provides an accurate and effective method for drug testing.

Key words: support vector machine, BP neural network, visible-near infrared spectroscopy, drug detection, prediction

中图分类号: