郑安兵
- 作品数：3 被引量：9H指数：3
- 供职机构：北京邮电大学自动化学院更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术理学机械工程更多>>
- 基于近红外光谱和变分自编码建模鉴别多类药物被引量：3
- 2020年
- 不同厂商(品牌)的药品仍存在一定的差异,价格不同,有销售商家用低廉药物产品换上假的大品牌包装在市场上高价销售。无专利药品或无生产、销售(如走私进口药)许可资质的药品也有可能贴上伪造的正规品牌包装在市场上出售。这些药品逃避药物监管和审批程序,损害消费者利益并给整个药物市场带来重大危害。因此,准确鉴别不同来源的药品在药品质量监管中具有重要意义。近红外光谱分析(NIR)具有仪器成本低、可直接测量、可无损检测、可现场检测等优点,特别适合药品的快速建模分析。采用近红外光谱直接鉴别出多个厂商、品种的药品,有重要应用价值同时又存在重大技术挑战,主要体现在需要有效的提取特征器和合适的分类器。自编码是深度学习方法中一个重要分支,它主要用于数据的非线性降维特征提取。变分自编码(VAE)是近年来最为流行的自编码算法,它通过变分法学习输入数据的一族欠完备的单变量正态分布特征,用以表示盲源因素对数据施加的影响,具有较强的特征提取能力,广泛应用于计算机视觉、语音识别等领域,在NIR分析方面未见报道。基于VAE,充分利用VAE既是特征提取器,又是数据生成器的优点,通过特殊设计的人工神经网络结构和损失函数,构建面向多品种、多厂商药品NIR分类模型。以29个厂商生产的4种药品(盐酸二甲双胍片,盐酸氯丙嗪片,马来酸氯苯那敏片,头孢呋辛酯片)的1 721个样本为实验对象,建立药品的多品种、多厂商分类鉴别实验。对比SVM, BP-ANN, PLS-DA等传统化学计量学算法及稀疏自编码(SAE)、深度信念网络(DBN)、深度卷积网络(CNN)等深度学习算法,其分类性能优良,同时具有良好的鲁棒性和可扩展性。
- 郑安兵杨辉华潘细朋尹利辉尹利辉
- 关键词：近红外光谱药品鉴别
- 多层梯度提升树在药品鉴别中的应用被引量：3
- 2020年
- 近红外光谱分析技术高效应用于药品分析领域。针对高维非线性的小规模近红外数据,传统的药品鉴别算法存在特征学习能力不足的缺陷,基于神经网络的方法有局部最优及过拟合等问题,且两者易忽略样本的不均衡性。针对以上劣势,提出一种基于特征选择与代价敏感学习的多层梯度提升树(CS_FGBDT)药品分类方法。首先采用Savitsky-Golay平滑和一阶导数对原始数据进行预处理;其次利用随机森林对预处理光谱自适应提取特征,并由多层梯度提升树进行特征映射;然后结合代价敏感学习机制将样本不均衡性的负效应降到最小。实验结果表明,在胶囊和药片两种不平衡数据集上对算法进行对比评估,该模型具有更高的预测精度和稳定性,是一种有效的药品鉴别方法。
- 杜师帅邱天李灵巧胡锦泉郑安兵冯艳春胡昌勤杨辉华
- 关键词：近红外光谱分析自适应特征选择代价敏感学习
- 稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法被引量：3
- 2017年
- 提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAGSM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAGSM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM),SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAGSE),以及未采用小波变换的SDAGSM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAGSM网络的分类准确率和稳定性。wSDAGSM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。
- 周洁茜刘振丙杨辉华郑安兵潘细朋曹志伟吴开宇杨金鑫冯艳春尹利辉胡昌勤
- 关键词：高斯过程小波变换近红外光谱药品鉴别
