近赤外分光法に基づく偽薬の定性識別には、複雑で重なり合い、変動するスペクトルから特徴情報を抽出し、予測モデルを構築するためにコンピュータと化学計量学の助けが必要である。この種の課題では、あるクラスのサンプルが相対的に不足するクラス不均衡の問題に直面することがある。仮想サンプル生成とアンサンブルモデリングに基づき、不均衡なトレーニングセットで得られたモデルの識別精度を向上させることが期待される。本論文はアジスロマイシンを研究対象とし、一連の実験サンプルセットを設計し、仮想サンプル技術に基づくアンサンブル部分最小二乗判別分析モデルを用いて、薬剤の有効期限の識別器を構築した。10種類の異なるスペクトル領域で単一モデルとアンサンブルモデルの性能を比較し、不均衡比率、サンプル構成、アンサンブル規模の影響を検討したところ、アンサンブル分類器の感度は平均約9％向上した。実験によりこのアンサンブル戦略の優位性が確認され、少数クラスのサンプルが非常に少ない場合に提案したアンサンブルアルゴリズムがより優れた効果を示し、本手法は他のタイプのデータへの応用可能性を有している。

仮想サンプル;アンサンブル;近赤外分光;医薬品;識別