一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法技术

一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法，其特征在于初始化随机个体，通过计算当前个体适应度函数值与群体最优适应值间差距进行个体变更，相比于遗传算法，粒子群算法收敛更快，在6代左右就达到最优点，优化结果为：训练集最高准确率为91.25%，c=32.3362，r=0.0100，此条件下，预测准确率为88.61%，其中油菜蜜21/23，椴树蜜14/17，洋槐蜜36/39。

【技术实现步骤摘要】
一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法
本申请涉及一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法。
技术介绍
我国蜂蜜产量居世界首位，近年来产量一直保持快速增长的趋势，由2001年的25.2万吨增加到2009年的40.2万吨，占世界总产量也由近20%提高到30%多。但由于经济利益的驱动，目前蜂蜜市场掺假严重，导致掺假蜂蜜占据了蜂蜜市场的20%～30%，有些地区掺假造假的蜂产品占50%左右，严重损坏了消费者利益、影响蜂蜜产业健康发展、打击出口贸易创汇。由于缺乏检测手段的影响，导致掺假打击面临困难，其根本原因如下：（1）由于蜂蜜本身的主要物质结构比较简单，包含水和糖类成分，给掺假提供了便利条件，同时，单靠检测这几种物质含量的多少根本没办法判别是否掺假；（2）由于蜂蜜受蜜源植物种类、蜜蜂群势强弱、蜜期时间长短、空气的温度和湿度，以及蜂蜜的加工、贮存、结晶等多种因素影响，造成蜂蜜主要物质的含量范围变化较大，使得蜂蜜掺假简单、方便；（3）C4等掺假检测费用高、无法大规模用于实际检测和执法。香气是产品品质体现的重要属性之一，产品香气表征需要突出其客观性、真实性与全面性。目前气相色谱(GC)、气相色谱-质谱联用(GC-MS)和气相色谱-嗅辨(GC-O)等方法，只能检测产品中有限的单体香气物质，并且这些香气之间存在协同、变调等现象，很难从整体上反映样品的香气品质。而智能嗅觉系统（电子鼻）能够模拟人类嗅闻特征，综合表征香气的整体信息，体现香气的嗅觉特征和整体品质，同时比人的嗅觉更加客观、可靠。目前已在食品新鲜度、食用油变质判别、果蔬成熟度检测、茶叶产地品种识别、酒类品牌界定等方面开展了相关研究。蜂蜜中含有300多种芳香物质，因此它是研究智能嗅觉表征的重要样例；同时不同蜜源、不同产地其风味物质各异，并且蜂蜜掺假与否或品质优劣能在整体香气上有所体现，使得香气成为蜂蜜品质检测与掺假鉴别的重要指标之一；充分说明采用智能嗅觉表征蜂蜜品质具有可行性，也为蜂蜜品质检测及掺假鉴别提供了一种快速、经济、准确且利于实时应用的检测方法。因此选择蜂蜜作为研究对象具有实用意义，对其行业健康发展更具深远价值。采用电子鼻进行产品品质判别或掺假鉴别分析，其本质是利用智能嗅觉图谱的整体香气信息，寻找样品间的差异性，其核心是寻找代表样品间差异性的图谱信息，即“差异化信息”，也叫“智能嗅觉的差异化图谱信息”。但是电子鼻的传感器阵列具有交叉敏感性，即每根传感器对每个香气都有不同程度的响应，因此通过电子鼻采集的呈香物质图谱具有广谱、重叠等特点，很难单独用肉眼从图谱上区分不同样品，需要进行“信号挖掘”，特别是“代表样品间差异化信息的挖掘”，挖掘的差异性化信息越多，就越有助于快捷的区分产品特征与品质。但目前在差异化信息挖掘方面还很薄弱，也是制约电子鼻发展的瓶颈。
技术实现思路
一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，其特征在于初始化随机个体，通过计算当前个体适应度函数值与群体最优适应值间差距进行个体变更，相比于遗传算法，粒子群算法收敛更快，在6代左右就达到最优点，优化结果为：训练集最高准确率为91.25%，c=32.3362，r=0.0100，此条件下，预测准确率为88.61%，其中油菜蜜21/23，椴树蜜14/17，洋槐蜜36/39。附图说明图1异常点剔除结果：(a)马氏距离判别结果；(b)杠杆值判别结果；图2基于方差比的特征提取结果图3基于单项量判别的特征点提取结果图4蚁群算法流程图图5基于蚁群算法的特征提取结果图6基于核主成分分析的特征点提取结果图7基于独立成分分析的特征点提取结果图8基于网格搜素的支持向量机参数优化结果图9基于遗传算法的支持向量机参数优化结果图10基于粒子群算法的支持向量机参数优化结果具体实施方式1关于样本收集与制备为使所研究的蜜源差异具有代表性，根据我国地理区域（西部、华南、华北、华东、东北）的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜，采自东北的吉林敦化及黑龙江哈尔滨等地。为保证实验样本的真实性和准确性，避免市场商业蜜加工工艺的干扰，样品通过中国农业科学院蜜蜂研究所直接由蜂农处购得。样品采集后按照不同蜜源、不同产地分别置于不同试剂瓶中。为确保研究不受检测条件差异的干扰，样品采集后储存于-18℃条件下，待所有样品采集完毕后统一进行试验。实验前，样品从-18℃下取出后，5种蜜源样品各取60g左右，置于40℃恒温水浴箱中，水浴加热15min，使蜂蜜样品融化，剩余样品继续置于-18℃下保存。水浴加热时为保证样品融化完全，无结晶，水浴时需每3min震荡一次。样品水浴完成后，取出置于室温下冷却1h以上，直至样品温度与室温（20℃）一致。2电子鼻检测方法电子鼻利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测。蜂蜜挥发性成分与传感器特征吸附（包括物理吸附与化学吸附）后，改变半导体传感器表层电流强度。通过数字转换，获得各样品的响应曲线，从而对样品进行检测分析。本专利技术采用Fox4000型电子鼻（AlphaMOS,France），该电子鼻由18根金属氧化物半导体气敏传感器（MOS）与HS100顶空自动进样器组成。仪器具体操作流程如下：1）将水浴后冷却至室温的蜂蜜样品根据要求加入容积为10ml的顶空瓶中。将装好样品的顶空瓶置于托盘上。HS100自动进样器最多容纳2个托盘，每个托盘可放置32个顶空瓶。2）根据要求设定仪器检测条件，包括顶空制样条件和电子鼻检测条件。根据蜜源种类和检测顺序，对托盘上各顶空瓶进行编码。3）顶空瓶根据设置的条件被放入顶空室内进行加热，加热时顶空瓶间歇震荡，保证顶空气体均一性。顶空制样结束后，抽取顶空气体，注入检测器中，并将顶空瓶从顶空室内取出。Fox4000为连续型气流注射，气体进入检测气后与各传感器发生吸附与解吸附反应，并各自生成响应的响应曲线。单一样品可获得18（18根传感器）*t（检测时间）的信号矩阵。传统方法将各传感器的最大（小）值作为该传感器的响应值进行分析。3基于电子鼻信息的蜂蜜品质建模方法利用提取出的电子鼻特征信息建立支持向量机判别模型，对不同蜜源的样本进行分类。传统的模式识别方法是建立在大量样本基础上的渐进理论，但实际生产应用中个，由于各方面条件的限制，大量的样本数往往难以得到较好的保证，在小样本的条件下，根据传统的统计学基础，很难取得较理想的学习效果和泛化效果。但支持向量机适用于小样本条件下的建模需求，由此对不同蜜源样本进行模式识别判定。支持向量机（SupportVectorMachine，SVM）理论是Vapnik（1995）在传统的统计学习基础上，结合结构本文档来自技高网...

【技术保护点】
一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，其特征在于初始化随机个体，通过计算当前个体适应度函数值与群体最优适应值间差距进行个体变更，相比于遗传算法，粒子群算法收敛更快，在6代左右就达到最优点，优化结果为：训练集最高准确率为91.25%，c= 32.3362，r= 0.0100，此条件下，预测准确率为88.61%，其中油菜蜜21/23，椴树蜜14/17，洋槐蜜36/39。

【技术特征摘要】
1.一种基于粒子群算法的支持向量机分类器参数选择的蜂蜜检测方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，所述气敏传感器阵列是采用Fox4000型电子鼻，该电子鼻...

【专利技术属性】
技术研发人员：史波林，刘宁晶，赵镭，支瑞聪，汪厚银，张璐璐，解楠，裴高璞，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：北京;11