中药指纹图谱的计算机处理

中药的指纹图谱相当复杂，人工比较难免影响结果的准确性。若将其与计算机图谱解析和识别技术结合起来，其应用前景将大为扩展。目前最先进的计算机图谱解析技术有如下几种。 1.模糊信息分析法 该方法是对模糊事物进行划分、判断或推理的方法。事物的模糊性是指从差异的一方到差异的另一方，所经历的从量变到质变的中间过程。毫无疑问，重要的指纹图谱特征具有一定的模糊性，通常情况下，模糊信息的特征可以在确定性信息、随机性信息的比较中显示出来。所谓确定性信息，是指人们据此可以总结出统计规律的信息。模糊信息的特征就是这种信息给人提供的一种模糊依据，使得人们可以根据这些信息对其相应的必然规律或统计规律进行模糊识别。就中药的真伪甄别而言，计算机模糊识别的基本步骤是：1）特征提取，即从中药的指纹图谱中获取能够反映其品质的数量化特征。特征提取时，应遵循这样的原则：尽可能舍弃对分类决策无影响的信息，而对分类决策有影响的信息应全部保留，否则会影响分类决策的准确性。2）依照某种方式确定该中药指纹特征对“真模式”、“假模式”的隶属度。3）用最大从属原则或阈值原则确定该中药的真伪。 2.人工神经网络法 该法是模拟人脑功能的全新信息处理方法，其理论是神经网络的数 学模型。此处所说的神经网络并不是生理上所说的真实的神经网络，而是真实神经网络的一种数学抽象。神经网络系统中包含着大量的基本信息处理单元，成为神经元或节点。神经元之间具有十分复杂与丰富的相互联接关系，这种联接关系的强度可用一种可变的权值表示。根据一定的学习规则，通过改变神经元之间的联接强度以适应所处理的问题，因而神经元具有学习功能。神经网络对处理那些关系不明确、背景不清楚、推理规则不确定的问题具有独到之处，非常适宜处理中药指纹图谱信息。反向传播（back propagation，bp）模型是目前应用最广泛的人工神经网络模型，具有判别分类可靠性大、判别速度快等优点。bp网络由具有多个节点的输入层、隐含层和输出层组成。它们分别对应于系统的输入、过渡和输出。bp网络的运行过程分两步：首先利用一组已知结果的样本构成训练集，对于每一个样本的输入，根据前向传播得到一个输入结果，然后计算输出结果与期望输出结果之间的误差，这些误差由输出层反馈到输入层，以此修正各个接点之间的联接权值。反复这一过程，直到整个训练样本集的每一个模式和每一个输出单元的误差都小于某个特定值，训练才结束。经过训练的网络，把系统规则、预测能力、变量转化都以权值的形式隐含在网络之中，然后向输入层输入信息，即可处理结果。 3.灰色关联类聚法 灰色系统是即包括已知信息，又包括未知信息的系统。由于中药指纹图谱即具有灰色性，可用灰色系统理论中的灰关联聚类法进行处理。该方法以定义的相对关联度作为评价测度构建一种全新的模式识别模型。设有若干个中药样本，每个样本有若干项指纹特征量化指标，这样组成了评价单元序列。用灰色关联度作为评价测度，首先必须选择参考序列，然后计算相对于最优参考序列的关联度rs和相对于最差参考序列关联度rt，rs越大，表明评价单元序列与最优参考序列的关联愈甚，评价单元愈佳；rt意义相反，rt愈小，评价单元愈佳。理想的最佳评价单位应该是：他与最优参考序列的关联程度最大，同是与最差参考序列的关联最小。因此，可定义同时相对于最优参考序列和最差参考序列的相对关联度ri=rs/（rs+rt）。显然，ri愈大，评价单元愈佳。可根据各评价单元相对关联度的大小，给出各评价单元的优劣顺序。这样可最终得出中药质量优劣得评价结果。