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  

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

作　　者：周宇晴 秦梦芝 马志宏[2] 

机构地区：[1]天津农学院动物科学与动物医学学院,天津300384 [2]天津农学院基础科学学院,天津300384

出　　处：《天津农学院学报》2016年第2期49-52,共4页Journal of Tianjin Agricultural University

基　　金：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)

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。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.

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 

分 类 号：O234[理学—运筹学与控制论] R917[理学—数学]