一种基于SVM的产品质量鉴别方法.docVIP

一种基于SVM的产品质量鉴别方法 　　摘要：为解决现实生产中某些产品无法用客观分析方法进行准确品质鉴别的问题，弥补人工感观鉴定方法的不足，提出了基于SVM的产品质量鉴别方法，通过产品的化学成份完成品质分类鉴定。实验采用葡萄酒的数据做仿真计算，结果表明，该方法可以对葡萄酒的品质进行有效的鉴定，准确度较高。 　　关键词：品质鉴别；支持向量机；遗传算法 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2011)10-2435-03 　　A Product Quality Identification Method Based on SVM 　　DONG Yong-gang, HU Hong-tao 　　(Institute of Computer Science, Xian Shiyou University, Xian 710065, China) 　　Abstract: In order to solve the problem that some products of real production can not be accurately identified by objective analysis, make up the shortage of artificial identification methods, SVM-based methods of identifying the quality of products have been proposed, which identifies classification and identification through the completion of chemical composition. The data of the wine has been used to do the simulation in the experiment, and the results show that the quality of the wine can be effectively identified by the method, and also has a high accuracy. 　　Key words: quality identification; support vector machines(SVM); genetic algorithm 　　传统的产品质量鉴定方法通常是人为的鉴定方法，例如对葡萄酒品质的鉴别，看葡萄酒的颜色，摇晃酒产生香气，闻酒，品尝酒等。不难看出，在传统的葡萄酒品质鉴定方法中人为的感官因素占了很大的比重[1]，这就成了工业化的葡萄酒品质鉴定和品质提升的难点。酒的品质是酒的各种化学成分的直观反映，寻找客观的化学成份和人为感官的品质鉴定之间的联系从而研制出快速、准确的分类鉴定方法很有必要。 　　文献[2]的研究中，在缩酚酸酶侵扰下，葡萄酒会丧失清新的品质而呈现过早老熟的特征。并且因为芳香储存器被过早的耗尽葡萄酒的品尝期限急剧缩短。不仅仅缩酚(羧)酸的分解给酒的香气带来恶劣的后果，而且缩酚酸酶释放的裂解产物也影响了葡萄酒的品质。埃普斯勒公司总部的葡萄酒在酶研究实验室进行实验，得到了用CO2浸渍法酿造的自然甜红葡萄酒，色素苷/单宁的比例更高，从而保证了良好的色调和轻柔的口感。研究表明葡萄酒的品质是受酒中的化学因素直接影响的，而根据葡萄酒中的化学成份进行葡萄酒品质的鉴定是种可行的方法。 　　支持向量机（SVM，Support Vector Machine）是在高维特性空间使用线性函数假设空间的学习系统，它由一个来自最优化理论的学习算法训练，该算法实现了一个由统计理论导出的学习策略，是种非常有效的学习方法，并且性能通用性胜过其他大多数的学习系统。该文将使用SVM做分类器，以客观的数据作为输入，来进行葡萄酒的品质分类鉴定实验。 　　1 支持向量机的基础理论 　　支持向量机作为一种新的有效的统计学习方法，最初用于解决模式识别问题。在模式识别中，为了发现具有推广能力的决策规则，将所选择的训练数据的一些子集称为支持向量，最佳的支持向量的分离等效于所有数据的分离以构造类型判定函数的学习机称为支持向量机。支持向量机是从线性可分情况下的最优分类发展而来的，在支持向量机中，构造的复杂性取决于支持向量的数目，而不是特征空间的维数。对于分类问题，支持向量机算法根据区域中的样本计算该区域的决策曲面，来确定该区域中未知样本的类别。对于预测和估值问题,支持向量机算法对区域中的样本进行回归，确定该区域的映射函数，从而得到该区域中未知样本的取值[3]。 　　2 支持向量机的分类算法 　　假设存在训练样本数