来源：期刊VIP网 时间：
作者：乔付;刘忠艳;刘瑶;
单位：岭南师范学院计算机与智能教育学院;岭南师范学院电子与电气工程学院;
摘要：该文应用近红外光谱和类别相关残差约束的非负表示分类(class-specific residual constraint non-negative representation base classification, CRNRC)方法快速识别被毒素污染的贻贝。受腹泻贝类毒素(diarrheal shellfish toxins, DST)污染的贻贝，其组织变化可通过近红外光谱曲线反映出来，可利用CRNRC模型对健康贻贝和受DST污染的贻贝进行分类。在CRNRC模型中引入类相关残差项和协同表示，将编码与分类联系起来。研究了CRNRC的编码向量，通过实验确定CRNRC模型的最优参数。实验结果表明，CRNRC模型在平均准确率、F-measure、1-specificity等评价指标上均优于协同表示和非负表示分类模型；近红外光谱与CRNRC相结合，能有效地鉴别被DST污染的贻贝，该检测方法具有智能、无损、准确、不需要化学试剂等优点。可将CRNRC模型的近红外光谱检测方法扩展到其他海鲜产品的检测(如检测海鲜产品核污染程度),以确保人类摄入健康的海鲜产品。
关键词：腹泻贝类毒素;;近红外光谱;;贻贝;;类别相关残差约束;;非负表示
基金资助：国家自然科学基金项目(62005109);; 岭南师范学院红树林研究所开放项目(PYXM04)
