[发明专利]基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法在审
| 申请号： | 201910111235.0 | 申请日： | 2019-02-11 |
| 公开（公告）号： | CN109781706A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 史如晋;夏钒曾;夏志平;曾万聃;曲晗;李乾学;杨瑞君 | 申请（专利权）人： | 上海应用技术大学 |
| 主分类号： | G01N21/65 | 分类号： | G01N21/65;G06K9/62 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200235 上海*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 食源性致病菌 拉曼光谱 滤波器 预处理 毛刺 大肠杆菌 分类准确率 支持向量机 布鲁氏菌 单一算法 基线漂移 集成分类 集成算法 逻辑回归 模型参数 数学统计 网格搜索 最小二乘 非对称 鲁棒性 光谱 算法 | ||
1.一种基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，包括：
对原始大肠杆菌O157：H7、布鲁氏菌S2株的拉曼光谱进行归一化处理，对所述拉曼光谱去噪并扣除荧光背景；
对去噪并扣除荧光背景后的拉曼光谱提取主成分；
对提取主成分后的数据集进行X：Y比例的划分，其中，x+Y＝100，X％作为测试集，Y％作为训练集；
基于所述训练集训练多个基础层次模型，基于每个基础层次模型的输出训练各个对应的元模型，将各个元模型聚合为Stacking模型；
采所述测试集验证所述Stacking模型的准确率。
2.如权利要求1所述的基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，使用Savitzky-Golay滤波器和非对称最小二乘对所述拉曼光谱去噪。
3.如权利要求1所述的基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，对去噪并扣除荧光背景后的拉曼光谱提取主成分，包括：
对去噪并扣除荧光背景后的拉曼光谱进行PCA降维处理，计算特征贡献率，根据所述特征贡献率提取所述拉曼光谱的主成分。
4.如权利要求3所述的基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，根据所述特征贡献率提取所述拉曼光谱的主成分，包括：
根据所述特征贡献率得到对应的帕累托图，根据所述帕累托图提取所述拉曼光谱的主成分。
5.如权利要求1所述的基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，所述基础层次模型包括有K近邻、逻辑回归和支持向量机中的任两种以上单一分类器。
6.如权利要求1所述的基于PCA-Stacking建立的食源性致病菌拉曼光谱识别模型的训练方法，其特征在于，所述的X＝30，Y＝70。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海应用技术大学，未经上海应用技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910111235.0/1.html，转载请声明来源钻瓜专利网。
