摘要：為鑒別不同部位的三七粉，采用電子鼻結(jié)合氣相色譜-質(zhì)譜（gas chromatography-mass spectrometry,GCMS）聯(lián)用技術(shù)對三七的整根粉、剪口粉、主根粉、側(cè)根粉和須根粉進行揮發(fā)性成分分析。通過GC-MS測定三七粉揮發(fā)物的成分和含量，并進行多重比較。利用統(tǒng)計學(xué)習(xí)方法提取電子鼻響應(yīng)曲線的8個時域特征，并進行相關(guān)性分析，采用3種特征選擇算法對特征數(shù)據(jù)進行降維。分別建立基于原始特征數(shù)據(jù)、3種特征選擇數(shù)據(jù)的支持向量機（support vector machine,SVM）、最小二乘支持向量機（least square support vector machine,LSSVM）和極限學(xué)習(xí)機分類模型；引入灰狼優(yōu)化（grey wolf optimization,GWO）算法對分類模型中的參數(shù)gam和sig2進行優(yōu)化。結(jié)果表明：5種三七粉樣品中共檢測出31種揮發(fā)物成分，最優(yōu)的GWO-IRIV-LSSVM模型能夠?qū)﹄娮颖菙?shù)據(jù)進行有效區(qū)分，測試集準確率為97.5%，且能客觀反映出樣品種類揮發(fā)性物質(zhì)的差異主要是揮發(fā)物總量、烷烴和芳香族化合物，這與GC-MS檢測結(jié)果一致。本研究可用于道地...更多
關(guān)鍵詞：電子鼻;氣相色譜-質(zhì)譜法;三七粉;特征提取;最小二乘支持向量機;灰狼優(yōu)化算法;