一种基于reABC‑SVM的葡萄酒质量鉴别方法技术

本发明专利技术公开了一种基于reABC‑SVM的葡萄酒质量鉴别方法，包括：1从葡萄酒中提取样本，并在葡萄酒样本中测定其中某几种物质的含量，形成训练样本集；2使用改进人工蜂群优化算法对支持向量机的惩罚因子和核函数参数进行动态调整，输出最优参数，利用最优参数建立葡萄酒鉴别模型，从而实现对葡萄酒质量鉴别。本发明专利技术能利用改进ABC算法对SVM参数进行优化，从而得到最合适的分类模型实现对葡萄酒质量好坏的分类，进而解决葡萄酒质量鉴别问题。

【技术实现步骤摘要】
一种基于reABC-SVM的葡萄酒质量鉴别方法
本专利技术设计葡萄酒质量鉴别领域，具体是一种基于reABC-SVM的葡萄酒质量分类方法。技术背景葡萄酒中含有丰富的营养物质,至今多达600种以上的物质被测定出来。葡萄具有的营养和医疗作用很早就被认识，葡萄酒因其特殊的营养价值和较好的保健效果，越来越受到广大消费者的欢迎。那么如何准确的对葡萄酒质量进行鉴别就显得尤为重要。对于传统的葡萄酒鉴别方法，通常是靠评酒员的主观评价，这种评价方法首先不具备普遍性，并且绝对依赖于评酒员。其次，在工作量大大增加后，评酒员的瓶酒准确性可能会出现很大的误差，这样可能会造成灾难性的后果。所以需要更精确的鉴别工具。目前一般都通过交叉验证试算的方法，或者梯度下降法确定，不仅效率较低且稳定性不高。而且对于葡萄酒质量分类问题，如果使用目前普遍的方法，更容易陷入局部最优。
技术实现思路
为了解决现有技术的不足之处，本专利技术提供一种基于reABC-SVM的葡萄酒质量鉴别方法，以期能利用改进ABC算法对SVM参数进行优化，从而得到最合适的分类模型实现对葡萄酒质量好坏的分类，进而解决葡萄酒质量鉴别问题。本专利技术解决上述技术本文档来自技高网...

【技术保护点】
一种基于reABC‑SVM的葡萄酒质量鉴别方法，其特征是按如下步骤进行：步骤1：获取N个葡萄酒的特征向量集合构成训练样本集，记为V＝[V1,V2,…,Vi,…,VN]，其中Vi为第i个葡萄酒的特征向量，并有

【技术特征摘要】
1.一种基于reABC-SVM的葡萄酒质量鉴别方法，其特征是按如下步骤进行：步骤1：获取N个葡萄酒的特征向量集合构成训练样本集，记为V＝[V1,V2,…,Vi,…,VN]，其中Vi为第i个葡萄酒的特征向量，并有为第i个葡萄酒的第j个特征值，yi为第i个葡萄酒的质量，且yi＝1表示第i个葡萄酒的质量为优，yi＝0表示第i个葡萄酒的质量为劣；1≤i≤N，1≤j≤n；步骤2：基于所述训练样本集V，利用改进的人工蜂群优化算法对支持向量机的惩罚系数C和RBF核函数的参数g进行动态调整，从而建立葡萄酒质量鉴别的最优分类模型；步骤2.0：利用式(1)对训练样本集V进行归一化，得到归一化后的训练样本集V′＝[V1′,V′2,…,Vi′,…,V′N]，并有式(1)中，为第i个葡萄酒的特征向量Vi中的最小特征值，为第i个葡萄酒的特征向量Vi中的最大特征值；步骤2.1：定义种群大小为M、最大迭代次数为Len、当前迭代次数为t，蜜源放弃限制为Limit，计数器为lim，蜜蜂个体集合为E；初始化t＝0、E为空集；步骤2.2：初始化lim＝0；由第m个惩罚系数Cm和第m个参数gm构成第m个蜜蜂个体Gm，从而由M个蜜蜂个体构成蜜蜂种群；并在所设置的范围内随机初始化所述蜜蜂种群作为第t代种群；步骤2.3：利用所述第t代种群中的第m个蜜蜂个体和所述归一化后的训练样本集对SVM分类器进行训练，得到第t代种群的第m个分类模型，从而得到第t代种群的M个分类模型；步骤2.4、利用所述第t代种群的M个分类模型对所述归一化后的训练样本集V′进行分类，得到第t代种群的M个分类模型的分类精度，记为表示第t代种群的第m个分类精度，1≤m≤M；步骤2.5、从第t代种群的M个分类精度At中选取最大值所对应的蜜蜂个体作为第t+1代种群的中心，记为Ft+1；步骤2.6、令m＝1；步骤2.7、在第t+1代种群的中心Ft+1的邻域内生成第t代种群的第m个新蜜蜂个体，记为用新蜜蜂个体和所述归一化后的训练样本集V′对SVM分类器进行训练，从而得到第t代种群的第m个新蜜蜂个体的分类模型；用所述第t代种群的第m个新蜜蜂个体的分类模型对所述归一化后的训练样本集V′进行分类，得到第t代种群的第m个新蜜蜂个体的分类精度比较是否成立，若成立，则将第t代种群中的第m个蜜蜂个体作为第t+1代种群的第m个蜜蜂个体，若不成立，则将新蜜蜂个体作为第t+1代种群的第m个蜜蜂个体；步骤2.8、将m+1赋值给m，判断m＞M是否成立，若成立，则执行步骤2.9，否则，返回步骤2...

【专利技术属性】
技术研发人员：程凡，张雪锋，王劲松，邱剑锋，尹凯，黄少聪，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34