Resumen

Para mejorar la precisión de la clasificación de la Salvia miltiorrhiza china mediante espectroscopia del infrarrojo cercano, se propone una nueva estrategia de selección de variables locales. Combinando los puntos fuertes del algoritmo local y los mínimos cuadrados parciales por intervalos, los datos espectrales se han dividido en primer lugar en varios pares de clases en la dirección de la muestra y en subintervalos equidistantes en la dirección de la variable. A continuación, se ha construido un modelo de clasificación local y se ha seleccionado la región espectral más adecuada basándose en el nuevo criterio de evaluación que considera tanto la tasa de error de clasificación como la mejor capacidad de predicción bajo el esquema de validación cruzada leave-one-out para cada par de clases. Por último, se puede asignar a cada observación su pertenencia a la clase según el análisis estadístico de los resultados de clasificación del modelo de clasificación local construido a partir de las variables seleccionadas. El rendimiento del método propuesto se demostró mediante espectros del infrarrojo cercano de Salvia miltiorrhiza cultivada o silvestre, recogidos en 8 orígenes geográficos de 5 provincias de China. A modo de comparación, se emplearon como modelo de clasificación los métodos de modelado suave independiente de analogía de clases y de análisis discriminante de mínimos cuadrados parciales, respectivamente. Los resultados experimentales mostraron que el rendimiento del modelo de clasificación con selección de variables locales era claramente mejor que el del modelo sin selección de variables.

• Materias:Análisis cromatográfico Química farmacéutica Estructura molecular Análisis químico Análisis espectroquímico
• Subjects:Chromatographic analysis Chemistry pharmaceutical Molecular structure Chemical test Spectrochemical analysis
• Palabras claves:modelo de clasificación local, mínimos cuadrados parciales, modelo de clasificación, nueva estrategia de selección de variables locales, mejor capacidad predictiva, tasa de error de clasificación, esquema de validación cruzada, métodos de análisis discriminante, selección de variables locales, nuevo criterio de evaluación
• Keywords:local classification model, partial least squares, classification model, novel local variable selection strategy, best predictive ability, classification error rate, cross validation scheme, discriminant analysis methods, local variable selection, new evaluation criterion