資源描述：
《基于模糊k最近鄰規(guī)則的葛根類藥材的模式識別》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于模糊k最近鄰規(guī)則的葛根類藥材的模式識別【摘要】 目的：探討模糊k最近鄰算法運用于葛根類藥材模式識別的可行性。方法：選擇6種化學(xué)成分的含量，對不同產(chǎn)地的多種葛根類中藥的藥理抗內(nèi)毒素活性建立了模糊k最近鄰規(guī)則識別模式。結(jié)果：模糊k最近鄰規(guī)則對葛根類中藥的藥理抗內(nèi)毒素活性識別正確率達100%，優(yōu)于經(jīng)典k最近鄰法與Bayers判別法。結(jié)論：模糊k最近鄰算法可用于中藥模式識別研究?！娟P(guān)鍵詞】模糊k最近鄰算法；k最近鄰算法；模式識別；葛屬 模式識別技術(shù)是一種借助數(shù)學(xué)方法和計算機技術(shù)來對樣品的內(nèi)部規(guī)律及隱含性質(zhì)進行分析的綜合技術(shù)，包括判別分析、聚類分析、機器學(xué)習(xí)等多種方法
2、。該技術(shù)已經(jīng)廣泛應(yīng)用于各個領(lǐng)域，隨著中藥現(xiàn)代化進程，該項技術(shù)逐漸在中藥領(lǐng)域深入應(yīng)用。k最近鄰法已被廣泛應(yīng)用于模式識別的分類器設(shè)計，所謂k最近鄰法（KNN）就是取未知樣本的k個近鄰，看這k個近鄰多數(shù)屬于哪一類，就把其歸于哪一類，在分類過程中KNN是采用簡單多數(shù)投票法來確定未知樣本的分類［1］。問題是，當(dāng)學(xué)習(xí)樣本類別分布不均的時候，如果僅考慮排序后的k個最近鄰而忽視樣本間的不同距離，勢必會降低KNN的分類精度［2］。模糊k最近鄰算法（FuzzyKNN,FKNN）就是將模糊理論與k最近鄰法相結(jié)合的一種監(jiān)督學(xué)習(xí)技術(shù)，它有效解決了上述問題，它將未知樣本與k個最近鄰的距離模糊化，并為
3、每個類別都設(shè)置了相應(yīng)的隸屬度，而不象KNN那樣簡單的將未知樣本的歸類定為“屬于”或者“不屬于”［3］。FKNN已被成功的應(yīng)用于多個領(lǐng)域，在蛋白質(zhì)結(jié)構(gòu)預(yù)測［3］及文本分類［2］都有著不錯的性能，本研究將FKNN應(yīng)用于中藥的模式識別，目前國內(nèi)尚未見報道?！ ?FKNN算法的原理及實現(xiàn) 本研究的FKNN算法［4］不同于聶生冬等［5］將模糊c均值聚類與KNN簡單結(jié)合，而是在KNN的基礎(chǔ)上結(jié)合模糊理論進行歸類決策實現(xiàn)的，其具體算法安排如下： ?、旁O(shè)已知樣本集合P＝{p1,p,…pn}，n為已知分類的樣本數(shù)，c代表分類數(shù)，u代表一個c×n的矩陣； ⑵確定未知樣本的最近鄰數(shù)k的值； ⑶選
4、擇歐式距離范數(shù)d作為距離測度； ?、葘γ總€未知樣本x： ①計算n個距離d＝d（x，pj），并對其進行排序： pi∈P，且xP d(1)≤d(2)≤d(3)……≤d(k)≤d(k+1)≤…≤d(n) 其中d(1)到d(k)是未知樣本x的k個最近鄰與x的距離?！ 、谠趗中找出對應(yīng)于k個最近鄰距離的k個列{uj}，其中j＝1,2,……k?！ 、劾蒙弦徊綇膗中獲得的k個列{uj}，計算［4］： ui(x)=kj=1uij1d(x,pj)2m-1kj=11d(x,pj)2m-1 其中m為模糊權(quán)重調(diào)節(jié)因子，對于z＝1,2,…,c，如果ui(x)=max{uz(x)}，z≠i
5、，則x屬于第i類。取下一個未知樣本轉(zhuǎn)到（4）繼續(xù)，上述算法不是迭代過程，每個未知樣本都必須按照上述算法處理一遍?！ ?中藥葛根類藥材的模式識別 中藥模式識別通常是根據(jù)中藥所含化學(xué)成分的整體進行分類或描述，識別該中藥的真?zhèn)闻c優(yōu)劣。葛根為豆科植物野葛或甘葛藤的干燥根，全世界已知的葛屬植物大約有18種，我國是葛屬植物的原產(chǎn)地之一，分布極其廣泛，葛屬植物有9個種和2個變種，其中7種與藥用有關(guān)，研究結(jié)果表明，不同葛屬植物中藥用成分異黃酮含量和組分差異顯著。曾明等［7］對8個來源共17個藥材樣本的葛屬植物的總黃酮X1、葛根素X2、大豆苷X3、大豆苷元X4、3’甲氧基葛根素X5及多糖X6，6
6、個化學(xué)成分進行了測定［6］，并測定了相應(yīng)的抗內(nèi)毒素活性強度，按照
