来源：期刊VIP网 时间：
作者：谢佳琦;张强;刘培然;杨亚非;卞希慧;
单位：天津工业大学,天津市绿色化工过程工程重点实验室;南开大学化学学院,分析科学研究中心;山东大学,国家药品监督管理局药物制剂技术研究与评价重点实验室;
摘要：传统的机器学习算法存在特征提取效率低、非线性模式识别能力不足和训练速度慢等问题。宽度学习系统（Broad learning system, BLS）通过横向扩展网络结构提高学习能力和效率，具有结构简洁、训练速度快和泛化能力强等优势。本研究考察了BLS对基于理化指标鉴别复杂样品的可行性。采用鸢尾花、葡萄酒和乳腺癌3个数据集，以鸢尾花的花瓣、花萼的长度和宽度、葡萄酒的物理化学属性和乳腺癌细胞核特征作为输入变量，与鸢尾花的品种、葡萄酒的品种和良恶性细胞核建立BLS模型，通过混淆矩阵、准确率和运行时间等指标评价此模型的性能。结果表明，与偏最小二乘-判别分析（Partial least squares-discriminant analysis, PLS-DA）、簇类独立软模式（Soft independent modeling of class analogies, SIMCA）和人工神经网络（Artificial neural network, ANN）相比，BLS在计算效率和识别精度方面均表现出显著优势，为复杂样品的鉴别分析提供了一种高效且可靠的新方法。
关键词：宽度学习;;理化指标;;复杂样品;;鉴别;;混淆矩阵
基金资助：药物制剂技术研究与评价国家药品监督管理局重点实验室开放课题项目（No.2023TREDP01）;; 2024年国家级大学生创新创业训练计划项目（No.202410058025）资助~~
