2.4主成分分析法(PCA)对不同部位茯苓的定性判别分析

    定性分析模型及样品判别结果主成分分析(PCA)是一种多元分析方法，可在不丢失主要信息的前提下，选择较少的新变量来代替原来较多的变量，解决由于谱带的重叠而无法分析的困难，是目前应用较广泛的光谱分析数学方法。主成分分析的目的是将数据降维，以消除众多信息共存中相互重叠的信息部分，通过对原始大量光谱变量进行转换，使数目较少的新变量成为原变量的线性组合，而且新变量能最大限度的表征原变量的数据结构特征。通过表2，一阶微分9点平滑处理后建立PCA模型校正及预测集的判别正确率明显提高，校正判别正确率达到100%，预测集判别正确率达到100%。49个校正集茯苓样本在一定区域内呈较均匀的分布，见图2。

    调用一阶微分9点平滑处理后建立的茯苓PCA定性模型，对茯苓验证集样品进行预测，同时利用茯苓定性模型对赤茯苓、茯苓皮、茯神进行预测，结果见图3，模型区域图中(图中星点代表验证集样品，圆点为模型区域)说明被检测的茯苓样品与建模样品相同，赤茯苓、茯苓皮与茯苓建模样品不相同，距离较远，说明与茯苓有较大的区别，茯神与茯苓建模样品距离接近，说明茯神与茯苓有一定的相似性。被定性分析模型认可。模型区域图表明被检测的茯苓样品属于茯苓建模样品 ......