Page 40 - 2019年1月第30卷第2期

表2 单组口尝试验苦度评价结果（通草）
开始
Tab 2 Results of single oral taste test bitterness evalu-

输入变量是否 否 ation（Tetrapanax papyrifer）
符合条件
志愿者编号 I值 志愿者编号 I值 志愿者编号 I值 志愿者编号 I值
是
1 0.5 6 0.5 11 2.2 16 0.8
统一数据结构
2 0.6 7 1.5 12 0.5 17 0.6
3 0.8 8 0.8 13 0.5 18 0.8
数据排序
4 0.6 9 0.7 14 0.8 19 0.6
否 tail＝－1 tail＝1 否 5 0.5 10 0.5 15 0.9 20 0.5
Gi/Gs＞1 最小值 判断tail值 最大值 Gi/Gs＞1
是 tail＝0 是 3.2.2 方法二 单组、多组口尝试验以及电子舌测试苦
剔除 剔除
最小值 最大值 度评价数据源的异常值剔除结果同“3.2.1”。
新数据 新数据 3.2.3 方法三 单组、多组口尝试验以及电子舌测试苦
否 是
Dmax/Dmin
＞1 度评价数据源的异常值剔除结果同“3.2.1”。（1）单组口
尝试验苦度评价数据源输出矩阵为[0.500 0 0.600 0
否 否
Gi/Gs＞1 Gi/Gs＞1
是 是 0.800 0 0.600 0 0.500 0 0.500 0 0.800 0 0.700 0 0.500 0
剔除 剔除 0.500 0 0.500 0 0.800 0 0.900 0 0.800 0 0.600 0 0.800 0
0.600 0 0.500 0]，剔除的测试数据为[1.500 0 2.200 0]，剔
新数据 新数据
除的测试数据原始编号为[7 11]，即剔除了志愿者 7 和
11 对应的数据（1.5、2.2），详见图 3。（2）多组口尝苦度评
新数据
价数据源输出新矩阵为[20×1 double] [18×1 double]
整理数据结构
[18×1 double] [19×1 double] [20×1 double] [20×1 dou-
新数据、剔除值、剔除值序号
ble] [20×1 double] [19×1 double] [20×1 double] [20×1
图 1 单组数据的异常值剔除算法流程图 double]（注：[20×1 double]表示为20行1列的双精度数据
Fig 1 Single-data outliers elimination algorithm flow
矩阵，下同），剔除值矩阵为[] [2×1 double] [2×1 double]
chart
[2.600 0] [] [] [] [2] [] []，剔除值的编号矩阵为[] [2×1
double] [2×1 double] [11] [] [] [] [12] [] []。其中，共显示
开始
“数据组不含溢出值！”6次，提示10组数据中有6组不含
异常值，而第 2、3、4、8 组数据均存在异常值，在 MAT-
否 LAB 中打开相应矩阵，即可得到相应的数据，详见图
输入变量是否符合
条件
4。（3）多组电子舌苦度评价数据源输出新矩阵为[9×
是
1 double] [9×1 double] [10×1 double] [10×1 double] [10×
1 double] [9×1 double] [10×1 double]，剔除值矩阵为
生成输出变量的空元胞数组
矩阵
[3.412 8e +003 ] [1.138 9e +003 ] [] [] [] [1.473 6e +003 ] []，剔除值
的序号矩阵为[1] [1] [] [] [] [1] []，说明第 1 列的第 1
依次对每组数据进行 Grubbs 个数据、第2列的第1个数据和第6列的第1个数据均为
检验，同时将生成的结果赋
给上述元胞数组相应的矩阵
异常值，应予以剔除，详见图5。
3.3 3种剔除方法的比较结果
方法二的剔除时间显著短于方法一，方法三的剔除
新数据、剔除值、剔除值序号
时间显著短于方法一和方法二，差异均有统计学意义
图2 多组数据的异常值剔除算法流程图
（P＜0.01）；除方法三的错误概率全部为 0，方法一和方
Fig 2 Multi-data outliers elimination algorithm flow
法二的错误概率分别为 5.7％～20.0％、0～4.0％，但组
chart
间比较差异均无统计学意义（P＞0.05），详见表5。
应予以剔除；（2）多组口尝试验苦度评价数据源的异常 4 讨论
值剔除结果：第 2 组 7 和 14 号、第 3 组 7 和 11 号、第 4 组 常用的苦度评价方法包括口尝法和电子舌法，均可
11 号、第 8 组 12 号的数据均为异常值，应予以剔除。（3） 因志愿者个体差异及电子舌环境差异而存在异常值 ，
[6]
电子舌测试苦度评价数据源的异常值剔除结果：ZZ 传 故需要对其进行合理判定及剔除。Grubbs 法为目前常
感器的第1次测试数据、BA传感器的第1次测试数据和 用异常值剔除的方法之一，是一种通过将统计量Gi及其
HA传感器的第1次测试数据均为异常值，应予以剔除。 对应临界值进行比较来判定和剔除异常值的检验方法，

中国药房 2019年第30卷第2期 China Pharmacy 2019 Vol. 30 No. 2 ·179 ·