开题报告刘欢.docVIP

电气信息工程学院 毕业设计（论文）开题报告 课题名称：葡萄酒种类识别的支持 向量机方法实现 专 业： 电子信息科学与技术 姓 名： 刘欢 班级学号： 10-01-11 指导教师： 张玉欣 二○一四年 四 月 一 日 一、选题的意义及背景概况 1.课题的意义 随着科技的进步和社会生活水平的提高，在食品工业、环境监测、医疗诊断、海关检查等方面，人们越来越多地开始对特定气味的物体进行检测。在工业领域对有毒气体进行检测，人们常常利用气象色谱法进行组成和浓度分析，但是这些分析用到的仪器成本高，同时常常需要复杂的数学换算。在对香料、食品、酒类、咖啡等物品进行检验时，大多数时候是依靠人类的嗅觉进行评价的，但是，这种方法主观性强，时间和费用消耗较大，鉴别结果往往受到人的经验、身体状况、情绪等外界因素影响，准确性难以保证。质检部门有时也用到化学分析法及物理化学分析法对当天生产的成品进行抽样检测来控制质量，化学分析步骤繁琐，实时性差，而物理化学分析需要比较贵重的仪器 (如液相色谱仪) ，并且对样品的提取、制备和仪器操作技术要求都较高，不适应快速分析的需要。另外，用化学成分分析的方法来鉴别酒类质量也是比较困难的，因为影响酒类质量的化学成分较多 (如酒的香气质量就是多种致香成分的综合反映) ，完全测出这些成分不仅非常复杂，还要花费很多时间和费用，而且，有些成分含量极微，测试非常困难。因此，探求一种客观准确的嗅觉鉴别方法来替代人工气味鉴别和分析化学仪器是人们多年的期望。 医学研究表明葡萄酒中蕴藏了多种氨基酸、矿物质和维生素，这些物质都是人体必须补充和吸收的营养品。目前，已知的葡萄酒中含有的对人体有益的成分大约就有600种。因此每天饮用适量的葡萄酒，可以起到延缓衰老，预防心脑血管病，预防癌症美容养颜的作用。市场上所销售的葡萄酒价格幅度很大，从几十到上千都有，葡萄酒的等级划分成为研究葡萄酒的一个重要领域。目前葡萄酒的等级划分仍然是感官评定的方法，即使再好的鉴别师，于仅凭个人经验，多少会带一些偶然性。对于一般的普通消费者对气味的辨别能力更加难以预测。支持向量机的介入研究，给这一行业开拓了另一片天空，通过支持向量机对不同类型但具有相似气味的葡萄酒进行检测，可以获得不同的气味指纹数据，从而辨别出不同品种的葡萄酒。对酒类食品的质量检测，有着很大的应用价值。2006年Lozano．J等利用电子技术较好的对红、白葡萄酒中的芳香族化合物进行识别显示。2009年，Nicol6sh Beltr6n等利用电子技术对生长在四种不同地理位置的原材料酿造的葡萄进行分类检测，正确率高达94％。2012年Teodoro Aguilera等利用10个传感器阵列构成检测系统，对来自不同地区、品种和精化过程的26种葡萄酒进行分析，获得了成功的预测和分类。在国内，这种研究的历史还不长，还处于实验室阶段。在食品方面的应用，关于白酒质量检测的研究较多。2000年，石志存，李建平等开发了能识别不同香型白酒的电子系统，实验结果良好。2005年，秦万广等利用自制的仿生实验装置，对4种白酒成功进行了分类和识别，而且可以识别真假白酒。模式识别系统在整个电子系统中有着举足轻重的地位。一个好的模式识别算法，不仅能提高系统的工作精度和识别速度，而且易于训练，抗干扰能力强。目前模式识别算法有很多，其中主成份分析法(PCA)、线性判别法(LDA)、BP神经网络、径向神经网络(RBF)等最为常用普遍。但是一般情况下以上几种方法具有一定的局限性，比如局部最优问题、假定样本无穷、维数低等。统计学习理论是一种专门研究有限样本情况下的机器学习理论，其目标是基于现有信息的最优解而不是样本趋于无穷大时的最优解。基于统计学理论的支持向量机(SVM)能较好地解决小样本、非线性、高维数、局部极小点等实际问题，在解决有限样本及不等距样本的分类问题上有着潜在的优势。 支持向量机方法的基本思想： 1)它是专门针对有限样本情况的学习机器，实现的是结构风险最小化：在对给定的数据逼近的精度与逼近函数的复杂性之间寻求折衷，以期获得最好的推广能力； 2)它最终解决的是一个凸二次规划问题，从理论上说，得到的将是全局最优解，解决了在神经网络方法中无法避免的局部极值问题； 3)它将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性决策函数，巧妙地解决了维数问题，并保证了有较好的推广能力，而且算法复杂度与样本维数无关． 为此，现提出一种SVM统计分类器模型，对几种具有相似化学成分的不同类型的酒进行分类识别实验。 二、本课题研究的关键问题及解决