基于Smote-KNN的小麦8种真菌毒素共污染特征气候分类模型研究
目的 分析我国不同气候区域小麦真菌毒素共污染特征,建立气候分类模型.方法 对来自12个省、自治区的887份小麦样本中脱氧雪腐镰刀菌烯醇、雪腐镰刀菌烯醇、黄曲霉毒素、赭曲霉毒素、伏马菌素、玉米赤霉烯酮、T-2和HT-2共8种真菌毒素检测数据按样本采集地的气候类型分为温带大陆性气候、温带季风气候和亚热带季风气候3类.对数据进行预处理并使用Borderline-SMOTE方法扩充以平衡数据集.使用主成分分析方法(PCA)对8种真菌毒素检测数据进行特征降维,选择降维后累计贡献率达97％的前二维特征作为小麦毒素数据特征.利用机器学习中的K最近邻(KNN)非线性分类器对上述数据特征进行分类研究,同时使用网格搜索算法对KNN模型参数进行调优.采用混淆矩阵、准确率、召回率和F1得分4个指标对模型进行评价,并比较所构建模型与支持向量机、随机森林和人工神经网络等常见分类模型在上述数据中的表现效果.结果 本文提出的Borderline-SMOTE、PC A与KNN相结合的分类模型对小麦8种真菌毒素共污染特征的气候分类准确率可达98.31％,且方法性能优于其他分类方法.结论 本文建立的分类模型能有效判别我国3种气候条件下小麦8种真菌毒素的共污染特征,可为分地区的真菌毒素联合暴露风险评估提供依据,并提出了 一种基于食品多项检测指标进行地区分类的方法.
KNN算法、小麦、真菌毒素、共污染、分类模型
35
R155(营养卫生、食品卫生)
国家重点研发计划;中国医学科学院创新工程食品安全项目
2023-10-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
807-812
