换一批基于仿生技术和反向传播神经网络的黄芪产地判别模型构建研究
Identification of origin place for Astragali Radix based on biomimetics
摘要目的 基于仿生技术和反向传播神经网络(BPNN)构建黄芪的产地鉴别模型.方法 采用色度计、电子鼻和电子舌共测得21项指标,通过RFI进行特征筛选后得到14项指标,并将黄芪产地鉴定问题建模为多分类问题.通过对随机森林(RF)、支持向量机(SVM)和BPNN这三种机器学习模型的比较,我们建立了一个基于BPNN的黄芪产地分类决策系统.结果 BPNN仅用了 11个特征变量就能够较好地预测黄芪产地.多分类模型构建后,引入SHAP值对构建的产地鉴别模型进行解释.结论 SHAP特征重要性的排序揭示了变量在实际构建出的模型的重要程度.可解释预测模型在增加产地预测模型的透明度的同时,又能保持原模型的判别正确率.该研究为产地鉴别模型的构建提供了一定的启示,也为客观产地鉴别提供了参考.
更多相关知识
关键词
黄芪产地鉴别仿生技术反向传播神经网络SHAP可解释机器学习Astragali Radixgeographical traceabilitybiomimeticsback propagation neural networkSHapley Additive exPlanationinterpretable machine learning
分类号
R282.2（中药学）
栏目名称
DOI
10.7539/j.issn.1672-2981.2024.12.014
发布时间
2025-01-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（No.2022YFC3501505）
- 浏览2
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
