[发明专利]一种基于reABC‑SVM的葡萄酒质量鉴别方法

摘要

本发明公开了一种基于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。

主权项

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vj′i=2×(vji-vmini)/(vmaxi-vmini)-1---(1)]]>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2.7；步骤2.9、根据步骤2.3和步骤2.4，得到第t+1代种群的M个分类精度，记为比较max(At+1)＞max(At)是否成立，若成立，则令lim＝0，否则，令lim+1赋值给lim；步骤2.10、利用式(2)获得第t+1代种群中第m个蜜蜂个体的被选概率从而得到第t+1代种群中M个蜜蜂个体的被选概率：Pmt+1=(α×Amt)/max(At)+(1-α)---(2)]]>式(2)中，表示概率系数；步骤2.11、定义变量k，并初始化k＝1；步骤2.12、初始化m＝1；步骤2.13、利用随机数函数生成第m个随机值rm；步骤2.14、比较是否成立，若成立，则执行步骤2.15；否则，执行步骤2.17；步骤2.15、以第t+1代种群中第m个蜜蜂个体为中心，并在邻域内随机生成第t+1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+1代种群的第m个新蜜蜂个体的分类模型；用所述第t+1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+1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+1代种群中第m个蜜蜂个体作为第t+2代种群的第k个蜜蜂个体，若不成立，则将第t+1代种群的第m个新蜜蜂个体作为第t+2代种群的第k个蜜蜂个体；步骤2.16、将k+1赋值给k，判断k＝M是否成立，若成立，则表示已生成第t+2代种群的M个蜜蜂个体，执行步骤2.18；否则，执行步骤2.17；步骤2.17、将m+1赋值给m后，判断m＞M是否成立，若成立，则返回步骤2.12；否则返回步骤2.13；步骤2.18、根据步骤2.3和步骤2.4，得到第t+2代种群的M个分类精度，记为比较max(At+2)＞max(At+1)是否成立；若成立，则令lim＝0，否则，令lim+1赋值给lim；步骤2.19、判断lim＞Limit是否成立，若成立，则将max(At+2)对应的蜜蜂个体存放到蜜蜂个体集合E中，并返回步骤2.2执行，否则，执行步骤2.20；步骤2.20、将t+2赋值给t后，判断t＞Len是成立，若成立，则执行步骤2.21；否则，执行步骤2.5；步骤2.21、将第Len代种群和所述蜜蜂个体集合E合并为一个种群Z，根据步骤2.3和步骤2.4得到种群Z中所有蜜蜂个体的分类精度，并将分类精度最大的蜜蜂个体作为支持向量机的最优输入，利用所述最优输入和所述归一化后的训练样本集V′对SVM分类器进行训练，从而得到葡萄酒质量鉴别的最优分类模型，以所述葡萄酒质量鉴别的最优分类模型实现对葡萄酒的质量鉴别。