基于关键点位特征对中药材产地的高效鉴别研究  

Research on the Efficient Identification of the Origin of Chinese Medicinal Materials Based on the Characteristics of Key Points

作　　者：陈培辉 彭强[1] 吴志锐 郑东荣 CHEN Peihui;PENG Qiang;WU Zhirui;ZHENG Dongrong(School of Engineering,Shanwei Vocational and Technical College,Shanwei Guangdong 516600)

机构地区：[1]汕尾职业技术学院工程学院,广东汕尾516600

出　　处：《软件》2023年第1期62-65,88,共5页Software

基　　金：2022年度汕尾职业技术学院校级科研课题“基于关键特征的降维技术应用研究”(SWKT22-009);2022年广东省普通高校青年创新人才类项目“高水平专业群背景下基于数学建模对学习力机制的研究”(2022KQNCX249);2020年度广东省普通高校创新团队项目(2020KCXTD045);2020年度广东省高职院校高水平专业群建设项目(GSPZYQ2020076);2022年度广东省普通高校重点科研平台和项目“智能制造执行系统(MES)单元管控及自动化应用研发产教融合创新平台”;2021年度广东省普通高校重点领域专项(新一代信息技术)项目(2021ZDZX1101);2021年度广东省教育科学规划课题(高等教育专项)项目(2021GXJK515)。

摘　　要：特征降维能够有效地消除无关和冗余的数据,有效提升模型效率。然而,现有的降维技术对于一些特定领域下的高维数据并不适用。本文针对中药材的产地鉴别这一特定领域问题,提出了一种基于关键点位特征的降维技术方法,结合Matlab分类工具箱开展模式识别应用研究。通过与PCA、NMF等降维方法进行对比,实验结果表明,本文提出的降维方法能更好地提升中药材产地鉴别模型的效率和精度。Feature dimensionality reduction can effectively eliminate irrelevant and redundant data and effectively improve model efficiency.However,the existing dimensionality reduction techniques are not suitable for high-dimensional data in some specific fields.Aiming at the specific field of identification of the origin of Chinese medicinal materials,this paper proposes a dimensionality reduction technology method based on the characteristics of the key points,and combines Matlab classification toolbox to carry out pattern recognition research.Compared with PCA,NMF and other dimensionality reduction methods,the experimental results shows that the dimensionality reduction method proposed in this paper can better improve the efficiency and accuracy of the origin identification model of Chinese medicinal materials.

关 键 词：降维 关键点位 模式识别 Matlab分类工具箱 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]