主成分_线性判别分析在中药药性识别中的应用.pdf

《主成分_线性判别分析在中药药性识别中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第50卷第1期山东大学学报(医学版)2012年1月Vol．50No．1JOURNALOFSHANDONGUNIVERSITY(HEALTHSCIENCES)Jan．2012文章编号:1671－7554(2012)01－0143－04DOI:10．6040/j．issn．1671-7554．2012．01．033主成分－线性判别分析在中药药性识别中的应用112221张新新，李雨，纪玉佳，王鹏，张永清，薛付忠(1．山东大学公共卫生学院流行病与卫生统计学研究所，济南250012;2．山东中医药大学药学院，济南250355)摘要:目的

2、探索利用主成分－线性判别分析基于中药的功效主治属性判别其药性的可行性。方法收集《中华本草》中收录的药性明确、功效主治属性特征详尽的植物药1725种，首先运用主成分－线性判别建立模型，以此模型对药性进行判别分类，采用10次5折交叉验证评价模型稳定性，然后按照随机抽样的原则，从寒、热性两类药材中分别随机抽取80%(共1380种)的药材作为训练集建立模型，其余20%(共345种)药材组成测试集，做预测。结果运用主成分－线性判别模型，全部1725种中药的组内判别正确率为94．43%，交叉验证平均正确率为91．54%。训练组的组内回代判

3、别正确率为94．78%，测试组的预测正确率为90．14%。结论基于主成分－线性判别对中药药性进行判别，不仅保证了线性判别的正常运行，而且判别准确率高，模型稳定性好，能够为临床用药提供依据。关键词:主成分－线性判别;中药功效主治;药性;主成分分析;线性判别分析中图分类号:R282．5文献标志码:ADiscriminationofpropertiesofChineseTraditionalMedicinewithprincipalcomponentanalysis-lineardiscriminantanalysis112221Z

4、HANGXin-xin，LIYU，JIYu-jia，WANGPeng，ZHANGYong-qing，XUEFu-zhong(1．InstituteofEpidemiologyandHealthStatistics，SchoolofPublicHealth，ShandongUniversity，Jinan250012，China;2．SchoolofPharmacy，ShandongUniversityofTraditionalChineseMedicine，Jinan250355，China)Abstract:Objectiv

5、eToidentifythefeasibilityofprincipalcomponentanalysis-lineardiscriminantanalysis(PCA-LDA)todiscriminatepropertiesofTraditionalChineseMedicines(TCM)basedontheirefficacyandindicationcharac-ters．MethodsInformationonefficacies，indications，andpropertiesof1725kindsofTCMwa

6、scollectedfrom“Chi-neseHerbalMedicine”．PCA-LDAwasappliedtoconstructamodelandtodiscriminatepropertiesofTCMbasedonef-ficaciesandindicationsof1725kindsofTCM．10times5-foldcross-validationwasusedtoevaluatethestabilityofthismodel．Theoveralldatawasrandomlydividedintotwosub

7、sets:80%ofthedata(1380samples)fromTCMofcoldnatureandhotnaturewereusedasthetrainingsettoconstructthemodel，andtheremaining20%(345samples)wereusedasthetestingsettoevaluatethepredictionaccuracy．ResultsAccordingtothePCA-LDAmodel，theconsistentaccuracywas94．43%for1725kinds

8、ofTCM，andthemeanaccuracyof10times5-foldcross-validationwas91．54%．Theconsistentaccuracyinthetrainingsetwas94．78%andthepredicationaccuracyin