面向近紅外光譜藥品鑒別的高效機(jī)器學(xué)習(xí)算法研究.pdf

1、近紅外光譜（NIRS）分析技術(shù)能快速無損的測定樣本，已在醫(yī)療行業(yè)和藥品監(jiān)督管理機(jī)構(gòu)中得到了廣泛的應(yīng)用。針對(duì)NIRS藥品鑒別領(lǐng)域，雖然，現(xiàn)有機(jī)器學(xué)習(xí)算法能較好解決NIRS樣本中譜帶寬、重疊嚴(yán)重、吸收信號(hào)弱及信息解析復(fù)雜等問題。但是，這些算法忽略了NIRS藥品鑒別中的類不平衡和代價(jià)敏感問題，以及相關(guān)分類模型中存在穩(wěn)定性、系數(shù)相關(guān)性和求解速度較差問題，目前這些問題成為制約NIRS藥品鑒別方法在全國大規(guī)模推廣的瓶頸。
　　本文針對(duì)NIRS

2、藥品鑒別中存在的問題，對(duì)三種不同的機(jī)器學(xué)習(xí)算法：支持向量機(jī)（SVM）、極限學(xué)習(xí)機(jī)（ELM）以及最小二乘協(xié)同表示（CRC-RLS）進(jìn)行改進(jìn)，提出了面向NIRS藥品鑒別的三種分類模型，其具體研究內(nèi)容如下：
　　(1)提出布谷鳥優(yōu)化尺度化凸殼（SCH(CS)）分類模型。針對(duì)非線性分類和類不平衡問題，采用調(diào)整尺度因子的方式壓縮正負(fù)類樣本，提高分類準(zhǔn)確率和泛化能力；針對(duì)SCH收斂速度較慢的問題，采用布谷鳥搜索（CS）方法來優(yōu)化模型參數(shù)，降低

3、分類模型的訓(xùn)練時(shí)間；針對(duì)NIRS藥品鑒別中代價(jià)敏感問題，構(gòu)建代價(jià)敏感尺度化凸殼Cost-Sensitive SCH分類模型，有效減少藥品NIRS鑒別中由于類不平衡問題引發(fā)的平均錯(cuò)分代價(jià)。
　　(2)提出波形疊加極限學(xué)習(xí)機(jī)（SWELM(CS)）分類模型。針對(duì)ELM網(wǎng)絡(luò)穩(wěn)定性差和收斂速度慢的問題，采用反雙曲線正弦函數(shù)與 Morlet小波函數(shù)疊加函數(shù)代替ELM原有的單一激勵(lì)函數(shù)，提高了分類模型的穩(wěn)健性和收斂速度；針對(duì)ELM參數(shù)優(yōu)化算法易

4、陷入局部最優(yōu)點(diǎn)且訓(xùn)練時(shí)間較長的問題，采用CS方法來優(yōu)化模型參數(shù)，提高了分類模型的穩(wěn)定性和收斂速度。
　　(3)提出Gabor優(yōu)化協(xié)同表示（CRC_GRLS）分類模型。針對(duì)CRC-RLS的L2范數(shù)求解稀疏度較低的問題，采用Gabor濾波器對(duì)L2范數(shù)的稀疏解進(jìn)行濾波，以獲取包含更多相關(guān)信息的非零系數(shù)（相關(guān)系數(shù)）；針對(duì)全局多標(biāo)簽分類到二分類調(diào)整問題，引入KNN局部分類調(diào)整，提高了CRC_RLS二分類模型的分類準(zhǔn)確率。
　　本文將上