基于貝葉斯決策的近紅外光譜藥片分類方法

摘要 針對藥片近紅外光譜法分類過程中校正集樣本數(shù)量過少且各類樣本數(shù)量不均導致分類誤差問題，提出了基于貝葉斯決策的分類方法。本方法對校正集樣本在各類中的先驗概率密度和各類藥片光譜的類條件概率密度進行了估計，利用貝葉斯全概率公式計算了待分類光譜分屬于各類的后驗概率，根據(jù)后驗概率大小對藥片分類。實驗隨機選取4類數(shù)量不等的西酞普蘭藥片70片，建立貝葉斯決策分類模型，對20片驗證集藥片進行分類，各類的分類靈敏度和特異度均達到了100%，對比判別最小二乘法的分類結(jié)果，驗證了貝葉斯決策分類法能將樣本及其近紅外光譜的分布信息參與分類決策，提高了分類的準確性和適應性。

關(guān)鍵詞 藥片分類； 近紅外； 貝葉斯決策； 參數(shù)估計