1.一种藻源嗅味特征识别方法,其特征在于,包括以下步骤:
S1、获取藻源致嗅有机物数据集以及质谱图数据集,其中,所述藻源致嗅有机物数据集包括藻源致嗅有机物嗅味类别数据和嗅味阈值数据,并分别将藻源致嗅有机物嗅味类别数据和嗅味阈值数据各自划分为测试集和训练集;
S2、获取藻源致嗅有机物数据对应的MACCS有机物分子指纹和质谱图数据对应的MACCS分子指纹,并将质谱图数据对应的MACCS分子指纹作为隐藏测试集;
S3、以嗅味类别作为标签,以精确度、召回率作为评价指标,采用藻源致嗅有机物嗅味类别数据中训练集对应的MACCS有机物分子指纹分别对若干个机器学习模型进行训练,并使用隐藏测试集进行模型验证,获得最优嗅味分类模型;
2
S4、以嗅味阈值作为标签,以R 、RMSE得分作为评价指标,采用嗅味阈值数据中训练集对应的MACCS有机物分子指纹分别对若干个机器学习模型进行训练,并使用隐藏测试集进行模型验证,获得最优嗅味阈值预测模型;
S5、将待测藻源致嗅有机物数据输入最优嗅味分类模型和最优嗅味阈值预测模型中,即可输出藻源致嗅有机物嗅味识别结果。
2.根据权利要求1所述的一种藻源嗅味特征识别方法,其特征在于,所述获取藻源致嗅有机物数据对应的MACCS有机物分子指纹,具体步骤为:根据藻源致嗅有机物结构获得藻源致嗅有机物数据对应的SMILES,然后将SMILES转化为MACCS有机物分子指纹。
3.根据权利要求1所述的一种藻源嗅味特征识别方法,其特征在于,所述获取质谱图数据对应的MACCS分子指纹,具体步骤为:利用Sirius将质谱图数据转化为MACCS分子指纹,并将质谱图对应的MACCS分子指纹作为隐藏测试集。
4.根据权利要求1所述的一种藻源嗅味特征识别方法,其特征在于,所述步骤S3和S4中,若干个机器学习模型包括随机森林模型、神经网络模型和支持向量机模型。
5.根据权利要求1所述的一种藻源嗅味特征识别方法,其特征在于,所述嗅味类别包括霉味、氨味、药味、樟脑味、柑橘味、硫磺味、脂肪味。
6.根据权利要求1所述的一种藻源嗅味特征识别方法,其特征在于,还包括S4'、基于SHAP分析方法对最佳嗅味分类预测模型进行解释,得到有机物特征与嗅味类别及嗅味阈值的影响关系,再进行AD分析,确定最优嗅味阈值预测模型和最优嗅味阈值预测模型的适用范围。