拉曼光谱结合Adaboost算法的食源性致病菌分类识别

作     者：黄杰伦 曾万聃 杨瑞君 吴敏 薛庆水 夏志平 HUANG Jielun;ZENG Wandan;YANG Ruijun;WU Min;XUE Qingshui;XIA Zhiping

作者机构：上海应用技术大学计算机科学与信息工程学院上海201418 军事兽医研究所长春130022 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2022年第43卷第2期

页      面：205-209页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(No.2016YFC1201605) 

主　　题：拉曼光谱 食源性致病菌 Adaboost算法 判别分析 主成分分析 机器学习 

摘      要：食源性致病菌的检测分类一直是食品安全领域的重要研究对象,与传统的病原菌分类方法相比,基于拉曼光谱的分类识别方法具有更高的灵活性和准确性。实验以常见食源性致病菌的拉曼光谱为对象,利用11种病原菌的132条光谱数据,提出一种基于主成成分分析(PCA)和线性判别分析(LDA)的Adaboost集成分类识别模型。实验结果表明,该集成模型不仅优于传统的病原菌分类方法,而且分类准确率比决策树、支持向量机和logistic回归等单一算法模型更高,可以有效地对食源性致病菌进行分类,且分类准确率达到99.23%。