自适应人工蜂群优化极限学习机在拉曼光谱血液定量分析中的应用

骈斐斐, 王巧云,2, 王铭萱, 张 楚, 单 鹏,2, 李志刚,2

(1.东北大学 信息科学与工程学院,辽宁 沈阳 110819; 2.东北大学 秦皇岛分校 河北省微纳精密光学传感与检测技术重点实验室,河北 秦皇岛 066004)

1 引 言

高血压、血脂异常、糖尿病导致的心血管疾病的发病率正在迅速增加,不仅给患者本人带来了极大的痛苦,更是增加了家庭和社会的负担[1, 2],预防、及早筛查和及时治疗这些疾病迫在眉睫。光谱检测技术能够根据待测物所呈现的光谱来鉴别物质化学成分和相对含量,具有对样本无损、灵敏度高、适用性强、操作性好、分析速度快等优势[3, 4]。其中拉曼光谱技术适用于化合物分子结构测定、混合物成分分析及样本浓度检测,且具有对水分子散射效应小的突出特点。然而,拉曼光谱存在吸收强度弱、光谱重叠严重等特点,光谱中所产生的差异极其微弱,必须借助基于化学计量学的分析方法[5, 6]。

极限学习机(extreme learning machine,ELM)是一种具有单隐含层前馈神经网络的学习框架[7],其收敛速度快、学习速度快,同时,它还具有逼近复杂非线性函数的优势,可以解决传统神经网络参数不能确定的问题。但由于其输入权值和隐含层偏置随机给定导致模型稳定性降低,有不少学者尝试对该模型进行改进[8～13]。

本文选取极限学习机模型,并对算法进行改进,提出一种自适应差分进化人工蜂群算法优化的极限学习机模型用于血液成分的检测,以提升预测精确度和模型稳健性。

2 实验部分

本实验所用的血液样本收集于达成合作的河北省秦皇岛市第一医院,用于实验研究,实验样本均已征求并取得医生和病人的同意,符合伦理道德标准。……