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

来源：激光杂志, 2021, 1-6.

• 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

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%。

• 单位
  上海应用技术大学