当前位置: 首页 > 专利查询>三峡大学专利>正文

一种基于多层支持向量机的水果品质分类方法技术

技术编号:19746296 阅读:32 留言:0更新日期:2018-12-12 04:55
一种基于多层支持向量机的水果品质分类方法,包括从影响水果品质的外在因素与内在因素中,选择不同类型的指标;从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,构建多层支持向量机进行训练。利用训练后的多层支持向量机对需分类样本数据进行分类,得到最终分类结果。本发明专利技术一种基于多层支持向量机的水果品质分类方法,该方法通过构建多层次支持向量机网络,解决了单一支持向量机无法多分类的问题。同时通过构建多核核函数并通过模拟退火算法对核函数参数进行优化,具有较高的分类精确度。

【技术实现步骤摘要】
一种基于多层支持向量机的水果品质分类方法
本专利技术涉及水果品质分类方法,具体涉及一种基于多层支持向量机的水果品质分类方法。
技术介绍
随着互联网+农业的发展,水果销售渠道逐渐多元化。而水果品质同时受到外在因素及内在理化指标的影响,难以划定统一的标准对水果品质进行分类,因而现有平台较少针对农产品质量进行评估。在购买前客户仅能通过商家的营销手段对产品有大致了解,难以准确识别所购买水果的质量。支持向量机是机器学习中快速可靠的分类算法。通过对主观分类结果的学习,快速掌握分类的标准并有效的根据各项指标进行分类。然而普通支持向量机方法在水果分类运用中存在一定的问题。一方面支持向量机主要运用于二分类问题,对多级别的水果品质分类难以处理。另一方面单核函数、默认参数下分类的精确度不高。
技术实现思路
为克服现有技术中存在的一系列问题,本专利技术提供一种基于多层支持向量机的水果品质分类方法,该方法通过构建多层次支持向量机网络,解决了单一支持向量机无法多分类的问题。同时通过构建多核核函数并通过模拟退火算法对核函数参数进行优化,具有较高的分类精确度。本专利技术采取的技术方案为:一种基于多层支持向量机的水果品质分类方法,包括以下步骤:步骤1:从影响水果品质的外在因素与内在因素中,选择不同类型的指标;步骤2:从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,构建多层支持向量机进行训练。步骤3:利用训练后的多层支持向量机对需分类样本数据进行分类,得到最终分类结果。所述步骤1中,提取样本水果的外在品质指标Oi,包括果形指数,果实横径的二维向量;提取样本水果的内在品质指标Ii,由可溶性固态物、总酸量、固酸比、果汁率、可食率压,五个指标缩降维后的二维向量。(1)、将总酸量由低优指标,通过以下公式转化为标准化后的高优指标:其中x表示某一低优指标,xi表示样本数值中第i个样本的指标值,xi'表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,minxi表示该指标中最小指标值。将果形指数由中性指标,通过以下公式转化为标准化后的高优指标:其中,x表示某一低优指标,xi表示样本数值中第i个样本的指标值,xi'表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,β为最优该类型水果最优果形指数。将其余高优指标,通过以下公式直接进行标准化:其中,x表示某一低优指标,xi表示样本数值中第i个样本的指标值,xi'表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,minxi表示该指标中最小指标值。(2)、将标准化处理后的内在品质指标构成标准化矩阵Z,利用主成分分析法进行降维,提取两个最重要的主成分,防止由于内在指标与外在指标数量上的不同对支持向量机预测结果产生影响。求解标准化矩阵Z两两指标间的相关系数rij从而构建的相关系数矩阵R。其中,cov(Zi,Zj)为指标i与指标j的协方差,Var(Zi)为指标i的方差。解特征方程|R-λE|=0,计算相关系数矩阵R五个特征根,构成特征根向量b,求解由五维压缩至二维的主成分U:Uij=Zibj,j=1,2。所述步骤2中,首先将珍稀、优、良两类水果合并为优质类,将中、差两类水果合并为劣质类,并以优质类与劣质类为标签进行第一层支持向量机的学习,已分为优质类的水果以优、良为标签进行第二层支持向量机优质类分类的学习,将已分类为劣质类的水果以中、差为标签进行第二层支持向量机劣质类分类的学习;对优类水果进行第三层支持向量机的学习,以优、珍稀为标签进行第三层支持向量机的学习。所述步骤2中,各层的多核支持向量机的水果品质分类模型如下式所示:s.t.j∈{j|0<ai<C}其中,x为分类模型输入数据,yi为训练集的标签数据,f(x)为分类模型的输出数据,取值为-1或1。l为指标集中训练样本个数,αi为拉格朗日乘子;K1为高斯核函数,K2为线性核函数,表达式为:K2=xi·x其中αi、σ均为待优化参数。所述步骤2中,将参数优化问题转化为如下求解的数学模型。为更准确的进行分类,将核函数参数σ和惩罚系数C作为待寻优的参数,在样本中选定80%的样本进行训练,再利用20%的样本进行检验,利用模拟退火算法进行寻优,求解相应的ai、ai的值,包括以下步骤:使用模拟退火算法求解该目标规划,包括以下步骤:(1)、设置下初始温度T0=1000,退化温度比率r设定为0.99,设置最低温度Tmin=0.5,最小步长S。(2)、计算在现有参数下训练的20%样本的精确程度作为函数评价值。(3)、计算进入下一阶段与本阶段模拟退火函数评价函数值的差值dE,若dE>0,则改变参数继续向前搜索,反之则比较与rand(0,1),其中T为当前温度。rand(0,1)为0~1之间的随机数。当时,则改变参数继续向前搜索。(4)降温退火,T=r*T,直到降温至最低温度,结束搜索。所述步骤3中,最终的品质分类方法为:(1):若第一层支持向量机预测结果为1,则将其归入优质类;若预测结果为-1,则将其归入劣质类。(2):若第二层支持向量机优质类预测结果为1,则将其归入优类;若预测结果为-1,则将其归入良等。(3):若第二层支持向量机劣质类预测结果为1,则将其归入中等,若预测结果为-1,则将其归入差等。(4):若第三层支持向量机优类预测结果为1,则将其归入珍稀等,若预测结果为-1,则将其归入为优等。本专利技术一种基于多层支持向量机的水果品质分类方法,从影响水果品质的外在因素与内在因素中,选择不同类型的指标,从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,构建多层支持向量机进行训练,通过多层支持向量机模型对待分类样本进行分类。本专利技术综合考虑水果内在指标及外在指标,通过对支持向量机的结构设计及合理定参,高效准确对水果进行分类。附图说明下面结合附图和实施例对本专利技术作进一步说明:图1是本专利技术基于一种多层支持向量机水果品质分类的层次示意图。图2是本专利技术实施流程示意图。具体实施方式一种基于多层支持向量机的水果品质分类方法,包括以下步骤:步骤一:选择影响水果品质的外在品质指标Oi和内在品质指标Ii;其中提取样本水果的外在品质指标Oi,包括果形指数,果实横径的二维向量;提取样本水果的内在品质指标Ii,由可溶性固态物、总酸量、固酸比、果汁率、可食率压。步骤二:从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,训练集如下表1所示。表1包含珍稀、优、良、中、差四个等级品质标签的样本数据训练集(1)将各个指标转化为标准化后的高优指标:将总酸量由低优指标,通过以下公式转化为标准化后的高优指标。其中x表示某一低优指标,xi表示样本数值中第i个样本的指标值,xi'表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,minxi表示该指标中最小指标值。表2总酸量标准化后的高优指标样本序号总酸量标准化后的总酸量10.85920.86480362520.9190.41314199430.92980.33157099740.94080.24848942650.86170.8459214560.86660.80891238770.86320.834592145………将果形指数由中性本文档来自技高网...

【技术保护点】
1.一种基于多层支持向量机的水果品质分类方法,其特征在于包括以下步骤:步骤1:选择影响水果品质的外在品质指标Oi和内在品质指标Ii;步骤2:从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,构建多层支持向量机进行训练;步骤3:利用训练后的多层支持向量机对需分类样本数据进行分类,得到最终分类结果。

【技术特征摘要】
1.一种基于多层支持向量机的水果品质分类方法,其特征在于包括以下步骤:步骤1:选择影响水果品质的外在品质指标Oi和内在品质指标Ii;步骤2:从已有数据中提取包含珍稀、优、良、中、差四个等级品质标签的样本数据,构建多层支持向量机进行训练;步骤3:利用训练后的多层支持向量机对需分类样本数据进行分类,得到最终分类结果。2.根据权利要求1所述一种基于多层支持向量机的水果品质分类方法,其特征在于:所述步骤1中,提取样本水果的外在品质指标Oi,包括果形指数,果实横径的二维向量;提取样本水果的内在品质指标Ii,由可溶性固态物、总酸量、固酸比、果汁率、可食率压,五个指标缩降维后的二维向量。3.根据权利要求2所述一种基于多层支持向量机的水果品质分类方法,其特征在于:(1)、将总酸量由低优指标,通过以下公式转化为标准化后的高优指标:其中x表示某一低优指标,xi表示样本数值中第i个样本的指标值,x′i表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,minxi表示该指标中最小指标值;将果形指数由中性指标,通过以下公式转化为标准化后的高优指标:其中,x表示某一低优指标,xi表示样本数值中第i个样本的指标值,x′i表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,β为最优该类型水果最优果形指数;将其余高优指标,通过以下公式直接进行标准化:其中,x表示某一低优指标,xi表示样本数值中第i个样本的指标值,xi'表示为标准化高优指标的第i个样本的指标值,maxxi表示该指标中最大指标值,minxi表示该指标中最小指标值;(2)、将标准化处理后的内在品质指标构成标准化矩阵Z,利用主成分分析法进行降维,提取两个最重要的主成分,防止由于内在指标与外在指标数量上的不同对支持向量机预测结果产生影响;求解标准化矩阵Z两两指标间的相关系数rij从而构建的相关系数矩阵R;其中,cov(Zi,Zj)为指标i与指标j的协方差,Var(Zi)为指标i的方差;解特征方程|R-λE|=0,计算相关系数矩阵R五个特征根,构成特征根向量b,求解由五维压缩至二维的主成分U:Uij=Zibj,j=1,2。4.根据权利要求1所述一种基于多层支持向量机的水果品质分类方法,其特征在于:所述步骤2中,首先将珍稀、优、良两类水果合并为优质类,将中、差两类水果合并为劣质类,并以优质类与劣质类为标签进行第...

【专利技术属性】
技术研发人员:粟智豪李楠何碧琳折佳萱周郭思渝侯海峰丁钰洁
申请(专利权)人:三峡大学
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1