论文部分内容阅读
目的 利用稳定同位素质谱测定6个产区的竹节参PanaxJaponicus中碳、氮、氢、氧4种同位素比率.方法 采用基于机器学习分类器的线性判别法(LD),高斯核支持向量机(SVM)和基于神经网络工具箱的模式识别反向传播学习算法(BPN)对竹节参的产地进行判别.结果 结果表明,稳定同位素碳(δ 13C)具有明显的地域特征,可有效地区分竹节参产地;LD法和BPN法均能区分6个产地的竹节参,判定准确率均达100％.结论 基于稳定同位素技术并结合LD和BPN法能有效进行竹节参的产地溯源.