본 연구는 매트릭스 보조 레이저 탈착-비행 시간 질량 분석법(MALDI-TOF MS)과 두 가지 개선된 랜덤 포레스트 융합 알고리즘을 결합하여 백출의 원산지 추적 분석을 수행하였다. 먼저 MALDI-TOF MS를 통해 3개 성에서 얻은 백출 시료의 질량 스펙트럼 데이터를 획득하였으며, 각 시료 데이터 크기는 1×234,154였다. 데이터 양이 방대하여 데이터 박스화 전략을 통해 초기 단순화(1×6,600)를 진행하였다. 이후 누적 분산 기여율 임계값을 설정하여 주성분 분석을 수행하고 데이터 차원 축소를 실시하였다. 차원 축소된 데이터를 활용하여 적응 증강 극한 랜덤 포레스트 모델(AERF)과 적응 증강 균형 랜덤 포레스트 모델(ABRF)을 구축하였으며, 최종적으로 모델 융합 전략을 통해 백출의 원산지 추적을 위한 AERF-ABRF 모델을 얻었다. 결과는 차원 축소 데이터를 기반으로 구축된 제안된 AERF-ABRF 모델이 3개 성에서 온 백출 시료를 정확히 구분할 수 있음을 보여주었으며, 테스트 세트와 예측 세트 모두 분류 정확도가 100%에 달했다. 또한 단일 판별 모델과 비교할 때 모델 융합 전략이 더 높은 분류 정확도를 보였다.

랜덤 포레스트; 모델 융합; 백출; 원산지 추적; 매트릭스 보조 레이저 탈착-비행 시간 질량 분석(MALDI-TOF MS)