[发明专利]一种基于分子光谱分析的定性模型评估方法和系统

说明书

技术领域

本发明涉及分子光谱分析领域，尤其涉及一种基于分子光谱分析的定性模型评估方法和系统。

背景技术

目前，分子光谱分析技术在实际应用过程中，经常遇到只需要知道样品的类别或质量等级，并不需要知道样品中含有的组分数和含量的问题，即定性分析问题，这是需要用到化学计量学中的模式识别方法。通过光谱数据可对不同样本按某些共同的特征进行分类识别，从而发现被量测样本之间的内在联系，获得决策性的信息。

建立模式识别(或称定性模型)的步骤一般由四部分组成，包括数据获取、预处理、特征提取和选择以及分类决策。

而对于模式识别(或定性模型)性能的评价则通常采用以下参数对模型识别的性能进行评价：真正类TP：真样本被识别为真样本；假正类FP：真样本被识别为伪样本；真负类TN：伪样本被识别为伪样本；假负类FP：伪样本被识别为真样本；真正率TPR＝TP/(TP+FN)；真负率TNR＝TN/(FP+TN)；假正率FPR＝1-TNR；正确分类率NER＝(TP+TN)/n；误分类率ER＝(FP+FN)/n；此处n为样本总数。从上述参数可知，当TPR＝1、FPR＝0时，所有样本都得到了正确分类。

但现有技术存在以下问题：

1.现有方法中的评价参数无法体现建模时校正集样品数量对模型产生的影响，仅用现在常用的TPR及FPR等参数并不能很好的观测出模型的好坏，由数量较小的样本集进行模型创建也能得到很好的TPR及FPR评估。2.各类模型评价参数相互独立，无法对模型进行较为全面的综合评价。不熟悉化学计量学的人员难以简便地通过现有评价参数得知模型优劣。

发明内容

为了克服现有技术的不足，本发明的目的在于实现简单快速的得出分析结果及综合考虑到评估方法全面性的优点。

本发明的目的采用如下技术方案实现：

一种基于分子光谱分析的定性模型评估方法，包括，

对定性模型的正样本数量进行评估的步骤；

对定性模型的负样本数量进行评估的步骤；

对定性模型的正样本识别率进行评估的步骤；

对定性模型的负样本识别率进行评估的步骤；

基于上述正样本数量、负样本数量、正样本识别率和负样本识别率的评估结果对定性模型进行评分，并对评分结果进行分析，从而完成分子光谱分析的步骤。

进一步地，上述对定性模型的正样本数量进行评估的步骤，具体为：

其中，n为正样本数量，amount_P表示正样本数量评估结果，若正样本数量大于500，则amount_P将给出100分。

进一步地，上述对定性模型的负样本数量进行评估的步骤，具体为：

其中，n’为负样本数量，amount_N为负样本数量评估结果，若负样本数量大于500，则amount_N将给出100分。

进一步地，上述对定性模型的正样本识别率进行评估的步骤，具体为：

其中，n_correct为校正集交互验证过程中被预测为正样本的样本个数，n为正样本数量，rate_P为正样本识别率评估结果。

进一步地，上述对定性模型的负样本识别率进行评估的步骤，具体为：

其中，n′_correct为校正集交互验证过程中被预测为负样本的样本个数，n’为负样本数量，rate_N为负样本识别率评估结果。

进一步地，上述基于上述正样本数量、负样本数量、正样本识别率和负样本识别率的评估结果对定性模型进行评分，具体为：

其中，m＝n+n’即m为正样本量和负样本量的和。

本发明的目的还采用如下技术方案实现：

一种基于分子光谱分析的定性模型评估系统，包括，

正样本数量评估模块：对定性模型的正样本数量进行评估；

负样本数量评估模块：对定性模型的负样本数量进行评估；

正样本识别率评估模块：对定性模型的正样本识别率进行评估；

负样本识别率评估模块：对定性模型的负样本识别率进行评估；

定性模型评分模块：基于上述正样本数量、负样本数量、正样本识别率和负样本识别率的评估结果对定性模型进行评分；

评分结果分析模块：对定性模型评分模块的评分结果进行分析，从而完成分子光谱分析。