摘要：为鉴别不同部位的三七粉，采用电子鼻结合气相色谱-质谱（gas chromatography-mass spectrometry,GCMS）联用技术对三七的整根粉、剪口粉、主根粉、侧根粉和须根粉进行挥发性成分分析。通过GC-MS测定三七粉挥发物的成分和含量，并进行多重比较。利用统计学习方法提取电子鼻响应曲线的8个时域特征，并进行相关性分析，采用3种特征选择算法对特征数据进行降维。分别建立基于原始特征数据、3种特征选择数据的支持向量机（support vector machine,SVM）、最小二乘支持向量机（least square support vector machine,LSSVM）和极限学习机分类模型；引入灰狼优化（grey wolf optimization,GWO）算法对分类模型中的参数gam和sig2进行优化。结果表明：5种三七粉样品中共检测出31种挥发物成分，最优的GWO-IRIV-LSSVM模型能够对电子鼻数据进行有效区分，测试集准确率为97.5%，且能客观反映出样品种类挥发性物质的差异主要是挥发物总量、烷烃和芳香族化合物，这与GC-MS检测结果一致。本研究可用于道地...更多
关键词：电子鼻;气相色谱-质谱法;三七粉;特征提取;最小二乘支持向量机;灰狼优化算法;