径向基函数网络在近红外人体无创伤血糖浓度检测基础研究中的应用

在近红外无创伤血糖浓度检测的基础研究中,对于多组分的混合物的分析,常因光谱与样品浓度之间呈现非线性响应,使得基于线性模型的校正方法失效.本文讨论了非线性校正方法径向基函数神经网络(RBFN)的有效性,并与线性校正方法中的主成分分析和偏最小二乘法作了对比研究.验证实验所用样品为①葡萄糖水溶液②包含牛血红蛋白和白蛋白的葡萄糖水溶液,结果表明:在①实验中PLS模型和RBFN预测标准偏差分别为8.2、8.9;在②实验中分别为15.6、8.8.可见在样品组分增多时,RBFN算法较线性PLS方法建立的模型预测能力强.