栢凤女，刘建学，韩四海，徐宝成，李佩艳，罗登林，田 硕

（河南科技大学食品与生物工程学院，河南 洛阳 471023）

食源性致病菌是引起食源性疾病的首要原因[1]，全球每年发生高达1.5亿的腹泻病例中，有70%是由各种致病性微生物污染食品所引起[2]，因而快速、简便、特异的检测方法成为研究热点。现代生物技术检测方法如基因芯片技术[3-5]、多重聚合酶链式反应（polymerase chain reaction，PCR）技术[6-7]、免疫磁珠分离技术[8]等分析方法用于微生物的鉴定已得到广泛认可，但这些方法操作复杂，试剂昂贵，需要专业的操作人员。因此，更简易的食源性致病菌的近红外快速鉴别方法需要研究。

近红外光谱分析技术以其快速、无损、环保等优点[9]，广泛应用于农产品检测[10]、石油化工[11]、药物分析[12-13]、食品分析[14]、纺织品[15]等领域。支持向量机（support vector machine，SVM）是Vapnik在1995年提出的一种研究有限样本情形下统计规律机器学习技术[16]，是一种针对小样本情况研究统计学习规律的理论，该理论的核心思想是通过采用结构风险最小化准则来控制学习机器的容量，从而刻画了过度拟合与泛化能力之间的关系。较之于传统方法，支持向量机克服了传统方法的大样本要求与维数灾难及局部极小问题，能够较好地解决神经网络难以解决的小样本、高维数和存在局部极小点等实际问题，并在处理非线性、小样本、高维数、局部极小值等模式识别问题时显示了其卓越的优越性[17-19]。其出色的学习能力使得该技术已成为机器学习界的研究热点之一。……