基于adaboost的食源性致病菌拉曼光谱分类模型训练方法

摘要

本发明提供了一种基于adaboost的食源性致病菌拉曼光谱分类模型训练方法，本发明针对大肠杆菌以及布鲁氏菌，提出一种基于adaboost集成算法的拉曼光谱分类法方法。对于两种不同病菌的拉曼光谱先进行数据预处理，包括去毛刺，降噪(Savitzky‑Golay滤波器)，然后采样成数值型数据，之后对数据采用PCA降维，之后用基于元分类器为决策树的adaboost算法调用网格搜索模型找到最合适的参数，经验证，集成算法adaboost比单一类算法例如KNN、SVM等有更高的分类准确率。