一种基于最小二乘支持向量机的葡萄酒品质评判模型.pdfVIP

第34卷第1期 华侨大学学报(自然科学版) V01．34No．1 2013年1月 Journalof Jan．2013 HuaqiaoUniversity(Natural]Science) 文章编号：1000—5013(2013)01—0030--06 一种基于最小二乘支持向量机的 葡萄酒品质评判模型 吴瑞红，王亚丽，张环冲，王鲜芳 (河南师范大学计算机与信息技术学院，河南新乡453003) 摘要：对源自UCI数据库的葡萄酒数据进行预处理，选取径向基函数作为最dx--乘支持向量机的核函数； 然后，根据“一对一”算法设计出最／b--乘支持向量机多元分类器，并应用交叉验证算法对参数寻优，建立葡萄 酒质量评判模型．同时，用BP神经网络、标准支持向量机分类器对葡萄酒进行训练．对比实验结果表明：最小 二乘支持向量机比BP神经网络、标准支持向量机的平均分类准确率高，最高分类准确率为100％． 关键词： 最dx--乘支持向量机}葡萄酒；多元分类器；交叉验证；品质评判 183 中图分类号：TS262．6；TS207．3；TP 文献标志码：A 葡萄酒具有特殊的营养价值和医疗保健作用，是食品工业的重要组成部分．如何对葡萄酒科学分 类，提高葡萄酒的质量，对促进行业健康发展具有重要的实际意义．人们一直靠感官来判定葡萄酒质量 的好坏，而感官鉴定受到多种因素的影响，其准确性难以得到保证．国内外对葡萄酒质量评判的研究主 要有遗传神经网络E1|、模糊神经网络‘21、数据挖掘‘33和贝叶斯‘43等算法．本文针对通过感官鉴别葡萄酒 质量的准确性难以保证的问题，建立一种基于最小二乘支持向量机学习算法的酒质量评判模型． 最小二乘支持向量多元分类器 1．1最小二乘支持向量机原理 支持向量机中的不等式约束改为等式约束，且将误差平方和损失函数作为训练集的经验损失．这样就 把解二次规划问题转化为求解线性方程组问题，提高求解问题的速度和收敛精度． 设定训练集{五，Y／)磐，，则最小二乘支持向量机优化问题表示为 m岫i，n{J(wb，毒)：专wTw+y专著g，yo， l (1) s．t． i=1，…，N．J M[矿·9(五)+53一一1—8， 式(1)中：￡≥o是允许错分的松弛变量；y为错误惩罚分量． 通过式(1)的对偶形式可以求它的最优解，而对偶形式可以根据目标函数和约束条件建立拉格朗日 函数．即 (2) L(w，b，车，口)一J一∑Gi{弘[wT9(zf)+b3—1+射． 式(2)中：af是Lagrange乘子． 收稿日期：2012-06-15 基金项目： 第1期 吴瑞红，等：一种基于最tb--乘支持向量机的葡萄酒品质评判模型 31 y批)， 瓦aL一。一w一净N 薏一。一荟N州i—o， (3) 嚣一o～=‰ i一1，…，N． 五3L=o—yi[矿P(五)+6]一1+毫一o， 式／L 3、， 能被直接表示为