文献类型：期刊文章

作　　者：拱健婷[1] 王佳宇[2] 李莉[1] 徐东[3] 丛悦[1] 关佳莉[1] 吴浩忠[3] 邹慧琴[3] 闫永红[3]

GONG Jian-ting;WANG Jia-yu;LI Li;XU Dong;CONG Yue;GUAN Jia-li;WU Hao-zhong;ZOU Hui-qin;YAN Yong-hong(Beijing Institute of Chinese Medicine,Beijing 100035,China;Changchun Medical College,Changchun 130031,China;School of Chinese Pharmacy,Beijing University of Chinese Medicine,Beijing 102488,China)

机构地区：[1]北京市中药研究所,北京100035 [2]长春医学高等专科学校,吉林长春130031 [3]北京中医药大学中药学院,北京102488

出　　处：《中国中药杂志》

基　　金：北京中医药科技发展资金项目(QN2018-20);国家自然科学基金项目(81573542);北京中医药大学自主选题项目(2019-JYB-JS-006).

年　　份：2019

卷　　号：44

期　　号：24

起止页码：5375-5381

语　　种：中文

收录情况：BDHX、BDHX2017、BIOSISPREVIEWS、CAB、CAS、CSCD、CSCD2019_2020、EMBASE、IC、IPA、JST、PUBMED、RCCSE、RSC、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对姜黄属中药的鉴别问题,通过电子鼻采集姜黄属郁金、莪术、姜黄、片姜黄4味中药的气味指纹图谱,应用XGBoost算法对中药的气味特征进行学习,并建立快速有效的判别模型;以准确率、精确率、召回率、F度量为指标评估XGBoost的性能。实验结果表明XGBoost建立的判别模型对训练集中166个样本和测试集中69个样本的回代正判率分别为99.39%,95.65%,能准确判别姜黄属4种中药;对XGBoost判别模型的贡献度排在前四位的传感器依次为LY2/g CT,P40/1,LY2/Gh,LY2/LG,贡献度最低的传感器是T70/2;XGBoost判别模型预测集准确率、精确率、召回率、F度量分别为95.65%,95.25%,93.07%,93.75%,均优于传统的支持向量机、随机森林、神经网络,验证了XGBoost在姜黄属中药鉴别中的优越性。电子鼻气味指纹图谱结合XGBoost建立的判别模型可以实现姜黄属中药郁金、莪术、姜黄、片姜黄的快速准确鉴别,为中药智能鉴别提供一种快速、可靠而有效的分析方法;XGBoost算法的引入也提示可将更多性能优异的算法引入到中药领域,为中药气味指纹图谱的数据挖掘提供更多途径。

关 键 词：XGBoost  电子鼻 气味指纹图谱  姜黄属 郁金  姜黄  莪术  片姜黄

分 类 号：R282.5[中药学类] TP212[中医学类]