基于深度信念網絡的近紅外光譜藥品鑒別研究.pdf

1、藥品對人民的健康生活至關重要，然而當今社會假藥泛濫，嚴重影響了人們的生命財產安全，為此真假藥鑒別技術在藥品監(jiān)管領域有著極其重要的實用價值。近紅外光譜分析技術有著快捷、綠色、無損等優(yōu)點，目前已經廣泛地應用于各個領域，在藥品鑒別領域也取得飛速的發(fā)展。
　　然而，在近紅外光譜（NIRS）藥品鑒別中，由于近紅外光譜往往特征維數(shù)較高，傳統(tǒng)的特征提取方法在處理高度復雜的特征時往往比較乏力，缺乏良好的特征提取效果；同時近紅外光譜藥品鑒別具有顯著

2、的代價敏感性，以傳統(tǒng)的非代價敏感方法進行藥品鑒別也不科學。
　　鑒于此，針對近紅外光譜特征往往高度復雜的問題，本文提出了基于深度信念網絡與隨機森林（DBN-RFS）的藥品鑒別方法，結合了深度學習在特征提取階段展現(xiàn)出的優(yōu)勢與傳統(tǒng)分類器良好的分類能力。首先采用深度信念網絡對高維數(shù)據(jù)特征進行非線性特征提取，取DBN隱含層中最后一層的全部特征，加上隨機抽取的倒數(shù)第二層的部分特征，作為隨機森林的輸入數(shù)據(jù)。并通過以不同活性物質濃度藥品的NIR

3、光譜數(shù)據(jù)、琥乙紅霉素等藥品的NIR光譜數(shù)據(jù)、多潘酮片NIR光譜數(shù)據(jù)等進行實驗驗證，三種樣本集實驗表明，DBN-RFS在分類問題中具有良好的性能，并且隨著數(shù)據(jù)特征維數(shù)的上升，DBN-RFS越發(fā)顯示出深度信念網絡在高度復雜的特征下進行特征提取的優(yōu)越性。
　　同時，針對近紅外光譜藥品鑒別問題的代價敏感性，本文提出一種代價敏感的深度信念網絡（CS-DBN）算法，先以原始數(shù)據(jù)預訓練 RBM，在反向微調階段，將評價準則由最小錯分誤差改為最小錯