摘要：為鑒別不同部位的三七粉，采用電子鼻結合氣相色譜-質譜（gas chromatography-mass spectrometry,GCMS）聯用技術對三七的整根粉、剪口粉、主根粉、側根粉和須根粉進行揮發性成分分析。通過GC-MS測定三七粉揮發物的成分和含量，并進行多重比較。利用統計學習方法提取電子鼻響應曲線的8個時域特征，并進行相關性分析，采用3種特征選擇算法對特征數據進行降維。分別建立基于原始特征數據、3種特征選擇數據的支持向量機（support vector machine,SVM）、最小二乘支持向量機（least square support vector machine,LSSVM）和極限學習機分類模型；引入灰狼優化（grey wolf optimization,GWO）算法對分類模型中的參數gam和sig2進行優化。結果表明：5種三七粉樣品中共檢測出31種揮發物成分，GWO-IRIV-LSSVM模型能夠對電子鼻數據進行有效區分，測試集準確率為97.5%，且能客觀反映出樣品種類揮發性物質的差異主要是揮發物總量、烷烴和芳香族化合物，這與GC-MS檢測結果一致。本研究可用于道地...更多

關鍵詞：電子鼻;氣相色譜-質譜法;三七粉;特征提取;最小二乘支持向量機;灰狼優化算法;