[發(fā)明專利]一種預(yù)測卷煙感官質(zhì)量指標(biāo)的支持向量機(jī)SVM方法

有效

• 申請?zhí)枺?/td>: 201310177221.1
• 申請日: 2013-05-14
• 公開（公告）號: CN103336090A
• 公開（公告）日: 2013-10-02
• 發(fā)明（設(shè)計(jì)）人: 毛友安;鐘科軍;魏新亮;唐麗娟;劉巍;古君平;李軍;蔣健暉
• 申請（專利權(quán)）人: 湖南中煙工業(yè)有限責(zé)任公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G01N30/00
• 代理公司: 長沙市融智專利事務(wù)所 43114
• 代理人: 黃美成

技術(shù)領(lǐng)域

本發(fā)明涉及卷煙感官質(zhì)量的評價方法，特別是涉及一種預(yù)測卷煙感官質(zhì)量指標(biāo)的支持向量機(jī)(SVM)方法。?

背景技術(shù)

卷煙產(chǎn)品的感官質(zhì)量傳統(tǒng)上是通過人的感官評吸來評價。感官評吸就是通過人體特定的感覺器官（口腔、鼻腔等）對卷煙質(zhì)量進(jìn)行鑒定。但感官評吸評價存在一些缺陷。其中，最受關(guān)注的是：對于同一品質(zhì)的同一產(chǎn)品，不同專家或同一專家在不同條件下評吸評價的結(jié)果可能不同，甚至差別很大。造成這種不確定性的原因主要是：1）評吸專家個人心態(tài)存在差異，因?yàn)楦泄僭u吸是一個心理學(xué)過程；2）評吸專家之間存在方法、習(xí)慣、生理、愛好、文化和心理方面的差異；3）評吸專家健康狀態(tài)的影響；4）不同專家感官評吸描述用語或打分標(biāo)準(zhǔn)上的差異；5）感官評吸過程管理上的差異。因此，人們很自然地就想到能否采用機(jī)器來模擬人的感官評吸，取代或部分取代人的感覺評估。?

近年來，許多煙草化學(xué)工作者探索了煙草化學(xué)成分與卷煙質(zhì)量間的關(guān)系。現(xiàn)在人們認(rèn)識到，不是所有煙草化學(xué)成分對卷煙質(zhì)量都有影響，而且即使是有影響的成分，與感官質(zhì)量評吸指標(biāo)間的關(guān)系也難以用簡單數(shù)學(xué)關(guān)系式描述。另一方面，采用包括簡單、典型相關(guān)分析、主成分分析、多元回歸、逐步回歸分析、關(guān)聯(lián)度分析、因子分析等傳統(tǒng)統(tǒng)計(jì)方法的研究結(jié)果，只能用來分析影響卷煙質(zhì)量的相關(guān)因素，給出影響程度，無法直接給出卷煙感官質(zhì)量的明確預(yù)測，因?yàn)閭鹘y(tǒng)的數(shù)理統(tǒng)計(jì)技術(shù)在感知、學(xué)習(xí)、聯(lián)想方面存在較大局限性。因此，在用機(jī)器模擬人的感官質(zhì)量評估方面，需要引入新的建模思路。?

卷煙的吸食性能取決于主流煙氣化學(xué)組分對消費(fèi)者感覺器官的作用，只有那些能與感覺器官發(fā)生作用的主流煙氣組分，才對吸食性能有貢獻(xiàn)，捕集、分離分析這部分煙氣組分才有助于通過化學(xué)途徑合理評價卷煙產(chǎn)品的感官質(zhì)量。目前，最常用的吸煙機(jī)模擬卷煙抽吸、劍橋?yàn)V片捕集煙氣粒相物、溶劑吸收捕集煙氣氣相物的煙氣捕集方法，沒有考慮人類吸食卷煙時主流煙氣與口腔、鼻腔等器官作用的生物物理、生物化學(xué)過程。最近，我們發(fā)展了一種能合理模擬人類吸食卷煙過程的主流煙氣仿生吸收采樣裝置和技術(shù)(專利ZL201010258874.9)，利用這樣的裝置和技術(shù)獲得的主流煙氣分析數(shù)據(jù)，與卷煙感官質(zhì)量的相關(guān)性更強(qiáng)，能更好地反映卷煙產(chǎn)品的吸食性能和技術(shù)特征。?

SVM是一種相對新穎的機(jī)器學(xué)習(xí)技術(shù)。它采用結(jié)構(gòu)風(fēng)險最小化原理，而不是傳統(tǒng)統(tǒng)計(jì)學(xué)中基于大樣本的經(jīng)驗(yàn)風(fēng)險最小化原則，因而SVM在訓(xùn)練樣本較少的情況下，依然能具有較?好的性能，保證了學(xué)習(xí)機(jī)器良好的泛化能力。SVM建模方法已在多個領(lǐng)域的實(shí)際應(yīng)用中取得了成功。此外，當(dāng)輸入變量包含了相同或類似信息時，將可能引起變量的共線性問題，多余的變量（無信息變量和高相關(guān)性變量）將嚴(yán)重影響回歸模型的預(yù)測能力。變量選擇可以在一定程度上解決這個問題。DPSO算法是一種源自模擬鳥類捕食行為的全局隨機(jī)優(yōu)化技術(shù)，在實(shí)現(xiàn)快速收斂的同時又能保證解決方案的全局最優(yōu)，與SVM分類、SVM回歸算法結(jié)合可以用來解決SVM建模中的變量選擇問題。?

發(fā)明內(nèi)容

本發(fā)明克服了現(xiàn)有技術(shù)的不足，提供了一種預(yù)測卷煙感官質(zhì)量指標(biāo)的支持向量機(jī)(SVM)方法，該方法具有減少人工評吸工作量、提高卷煙感官質(zhì)量評價客觀一致性的功能，為煙草行業(yè)對卷煙產(chǎn)品質(zhì)量管理、提升提供了新的思路，對產(chǎn)品質(zhì)量維護(hù)提高和新產(chǎn)品開發(fā)具有重要意義。?

本發(fā)明采用以下技術(shù)方案：?

一種預(yù)測卷煙感官質(zhì)量指標(biāo)的支持向量機(jī)(SVM)方法，包括以下步驟：?

步驟1：建立卷煙樣本數(shù)據(jù)庫；?

卷煙樣本數(shù)據(jù)包括卷煙樣本的主流煙氣仿生吸收樣的化學(xué)組分?jǐn)?shù)據(jù)和感官質(zhì)量指標(biāo)的專家評吸數(shù)據(jù)；?

步驟2：結(jié)合行業(yè)專家經(jīng)驗(yàn)，對卷煙樣本按照不同風(fēng)格進(jìn)行第一次分組；?

風(fēng)格是不同卷煙產(chǎn)品特征從抽吸感覺上的定性描述，常見風(fēng)格包括烘焙香、清甜香、中間香、青滋香、雅香或淡雅香、柔逸香等。?

步驟3：采用離散粒子群優(yōu)化(DPSO)算法和SVM分類建模方法，利用步驟2得到的各組卷煙子樣本的煙氣仿生吸收化學(xué)組分?jǐn)?shù)據(jù)，構(gòu)建SVM分類模型，對卷煙樣本進(jìn)行第二次分組得到風(fēng)格不同的各組子樣本；?

分組的目的是為了降低建模計(jì)算的復(fù)雜度，提高機(jī)器學(xué)習(xí)效率和精度，提高最終模型的預(yù)測準(zhǔn)確度，第二次分組為最終分組。?

步驟4：根據(jù)各組子樣本的仿生吸收化學(xué)組分?jǐn)?shù)據(jù)和感官質(zhì)量指標(biāo)評吸數(shù)據(jù)，利用DPSO算法和SVM回歸建模方法，分別構(gòu)建各組子樣本的各項(xiàng)卷煙感官質(zhì)量指標(biāo)的DPSOSVM回歸預(yù)測模型；?