拉曼光谱结合Adaboost算法的食源性致病菌分类识别
Identification of food borne pathogens by Raman spectroscopy based on Adaboost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%。