一种基于最小二乘支持向量机的葡萄酒品质评判模型

被引：5

作者：

吴瑞红

王亚丽

张环冲

王鲜芳

机构：

[1] 河南师范大学计算机与信息技术学院

来源：

华侨大学学报(自然科学版) | 2013年 / 01期

关键词：

最小二乘支持向量机; 葡萄酒; 多元分类器; 交叉验证; 品质评判;

D O I：

暂无

中图分类号：

TS262.6 [葡萄酒、香槟酒];

学科分类号：

摘要：

对源自UCI数据库的葡萄酒数据进行预处理,选取径向基函数作为最小二乘支持向量机的核函数;然后,根据"一对一"算法设计出最小二乘支持向量机多元分类器,并应用交叉验证算法对参数寻优,建立葡萄酒质量评判模型.同时,用BP神经网络、标准支持向量机分类器对葡萄酒进行训练.对比实验结果表明:最小二乘支持向量机比BP神经网络、标准支持向量机的平均分类准确率高,最高分类准确率为100%.

引用

页码：30 / 35

页数：6

共 10 条

[1] 多元支持向量机在压缩机故障诊断中的应用 [J].

陈志刚 ;

连香姣 ;

于会媛 ;

鲍忠利 .

石油机械, 2009, 37 (11) :63-65

[2] 基于遗传神经网络的酒类鉴别技术 [J].

殷勇 ;

邱明 ;

刘云宏 ;

易军鹏 .

农业机械学报, 2003, (06) :104-106+99

[3] 多元分类LS-SVM设计与装备保障性评估 [J].

朱家元 ;

郭基联 ;

张恒喜 ;

张喜斌 .

装备指挥技术学院学报, 2003, (03) :12-15

[4]

MATLAB神经网络30个案例分析[M]. 北京航空航天大学出版社 , MATLAB中文论坛, 2010

[5]

软测量技术原理与应用[M]. 中国电力出版社 , 潘立登, 2008

[6] Using wavelet transform and multi-class least square support vector machine in multi-spectral imaging classification of Chinese famous tea [J].

Li, Xiaoli ;

Nie, Pengcheng ;

Qiu, Zheng-Jun ;

He, Yong .

EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (09) :11149-11159

[7] Modeling wine preferences by data mining from physicochemical properties [J].

Cortez, Paulo ;

Cerdeira, Antonio ;

Almeida, Fernando ;

Matos, Telmo ;

Reis, Jose .

DECISION SUPPORT SYSTEMS, 2009, 47 (04) :547-553

[8] Classification of aged wine distillates using fuzzy and neural network systems [J].

Raptis, CG ;

Siettos, CI ;

Kiranoudis, CT ;

Bafas, GV .

JOURNAL OF FOOD ENGINEERING, 2000, 46 (04) :267-275

[9] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[10]

A multi-class SVM classification system based on learning methodsfrom indistinguishable chinese official documents .2 JuiHsi Fu,SingLing Lee. Expert Systems with Applications . 2012

← 1 →