[發明專利]一種基于reABC?SVM的葡萄酒質量鑒別方法

在審

• 申請號: 201710330490.5
• 申請日: 2017-05-11
• 公開（公告）號: CN107145911A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 程凡;張雪鋒;王勁松;邱劍鋒;尹凱;黃少聰
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 安徽省合肥新安專利代理有限責任公司34101
• 代理人: 陸麗莉,何梅生

1.一種基于reABC-SVM的葡萄酒質量鑒別方法，其特征是按如下步驟進行：

步驟1：獲取N個葡萄酒的特征向量集合構成訓練樣本集，記為V＝[V₁,V₂,…,V_i,…,V_N]，其中V_i為第i個葡萄酒的特征向量，并有為第i個葡萄酒的第j個特征值，y_i為第i個葡萄酒的質量，且y_i＝1表示第i個葡萄酒的質量為優，y_i＝0表示第i個葡萄酒的質量為劣；1≤i≤N，1≤j≤n；

步驟2：基于所述訓練樣本集V，利用改進的人工蜂群優化算法對支持向量機的懲罰系數C和RBF核函數的參數g進行動態調整，從而建立葡萄酒質量鑒別的最優分類模型；

步驟2.0：利用式(1)對訓練樣本集V進行歸一化，得到歸一化后的訓練樣本集V′＝[V₁′,V′₂,…,V_i′,…,V′_N]，并有

vj′i=2×(vji-vmini)/(vmaxi-vmini)-1---(1)]]>

式(1)中，為第i個葡萄酒的特征向量V_i中的最小特征值，為第i個葡萄酒的特征向量V_i中的最大特征值；

步驟2.1：定義種群大小為M、最大迭代次數為Len、當前迭代次數為t，蜜源放棄限制為Limit，計數器為lim，蜜蜂個體集合為E；初始化t＝0、E為空集；

步驟2.2：初始化lim＝0；

由第m個懲罰系數C_m和第m個參數g_m構成第m個蜜蜂個體G_m，從而由M個蜜蜂個體構成蜜蜂種群；并在所設置的范圍內隨機初始化所述蜜蜂種群作為第t代種群；

步驟2.3：利用所述第t代種群中的第m個蜜蜂個體和所述歸一化后的訓練樣本集對SVM分類器進行訓練，得到第t代種群的第m個分類模型，從而得到第t代種群的M個分類模型；

步驟2.4、利用所述第t代種群的M個分類模型對所述歸一化后的訓練樣本集V′進行分類，得到第t代種群的M個分類模型的分類精度，記為表示第t代種群的第m個分類精度，1≤m≤M；

步驟2.5、從第t代種群的M個分類精度A^t中選取最大值所對應的蜜蜂個體作為第t+1代種群的中心，記為F^t+1；

步驟2.6、令m＝1；

步驟2.7、在第t+1代種群的中心F^t+1的鄰域內生成第t代種群的第m個新蜜蜂個體，記為用新蜜蜂個體和所述歸一化后的訓練樣本集V′對SVM分類器進行訓練，從而得到第t代種群的第m個新蜜蜂個體的分類模型；

用所述第t代種群的第m個新蜜蜂個體的分類模型對所述歸一化后的訓練樣本集V′進行分類，得到第t代種群的第m個新蜜蜂個體的分類精度比較是否成立，若成立，則將第t代種群中的第m個蜜蜂個體作為第t+1代種群的第m個蜜蜂個體，若不成立，則將新蜜蜂個體作為第t+1代種群的第m個蜜蜂個體；

步驟2.8、將m+1賦值給m，判斷m＞M是否成立，若成立，則執行步驟2.9，否則，返回步驟2.7；

步驟2.9、根據步驟2.3和步驟2.4，得到第t+1代種群的M個分類精度，記為比較max(A^t+1)＞max(A^t)是否成立，若成立，則令lim＝0，否則，令lim+1賦值給lim；

步驟2.10、利用式(2)獲得第t+1代種群中第m個蜜蜂個體的被選概率從而得到第t+1代種群中M個蜜蜂個體的被選概率：

Pmt+1=(α×Amt)/max(At)+(1-α)---(2)]]>

式(2)中，表示概率系數；

步驟2.11、定義變量k，并初始化k＝1；

步驟2.12、初始化m＝1；

步驟2.13、利用隨機數函數生成第m個隨機值r_m；

步驟2.14、比較是否成立，若成立，則執行步驟2.15；否則，執行步驟2.17；

步驟2.15、以第t+1代種群中第m個蜜蜂個體為中心，并在鄰域內隨機生成第t+1代種群的第m個新蜜蜂個體，記為用新蜜蜂個體和所述歸一化后的訓練樣本集V′對SVM分類器進行訓練，從而得到第t+1代種群的第m個新蜜蜂個體的分類模型；

用所述第t+1代種群的第m個新蜜蜂個體的分類模型對所述歸一化后的訓練樣本集V′進行分類，得到第t+1代種群的第m個新蜜蜂個體的分類精度比較是否成立，若成立，則將第t+1代種群中第m個蜜蜂個體作為第t+2代種群的第k個蜜蜂個體，若不成立，則將第t+1代種群的第m個新蜜蜂個體作為第t+2代種群的第k個蜜蜂個體；

步驟2.16、將k+1賦值給k，判斷k＝M是否成立，若成立，則表示已生成第t+2代種群的M個蜜蜂個體，執行步驟2.18；否則，執行步驟2.17；

步驟2.17、將m+1賦值給m后，判斷m＞M是否成立，若成立，則返回步驟2.12；否則返回步驟2.13；

步驟2.18、根據步驟2.3和步驟2.4，得到第t+2代種群的M個分類精度，記為比較max(A^t+2)＞max(A^t+1)是否成立；若成立，則令lim＝0，否則，令lim+1賦值給lim；

步驟2.19、判斷lim＞Limit是否成立，若成立，則將max(A^t+2)對應的蜜蜂個體存放到蜜蜂個體集合E中，并返回步驟2.2執行，否則，執行步驟2.20；

步驟2.20、將t+2賦值給t后，判斷t＞Len是成立，若成立，則執行步驟2.21；否則，執行步驟2.5；

步驟2.21、將第Len代種群和所述蜜蜂個體集合E合并為一個種群Z，根據步驟2.3和步驟2.4得到種群Z中所有蜜蜂個體的分類精度，并將分類精度最大的蜜蜂個體作為支持向量機的最優輸入，利用所述最優輸入和所述歸一化后的訓練樣本集V′對SVM分類器進行訓練，從而得到葡萄酒質量鑒別的最優分類模型，以所述葡萄酒質量鑒別的最優分類模型實現對葡萄酒的質量鑒別。