基于K均值樣本篩選的支持向量機(jī)及其在白酒品牌鑒別中的應(yīng)用.pdf

1、白酒是我國的傳統(tǒng)產(chǎn)品，對(duì)于其產(chǎn)品質(zhì)量的控制影響著我國制酒行業(yè)的健康發(fā)展，同時(shí)這也關(guān)系到消費(fèi)者的健康權(quán)益，有必要對(duì)白酒產(chǎn)品進(jìn)行鑒別。在實(shí)際應(yīng)用中，化學(xué)計(jì)量學(xué)結(jié)合模式識(shí)別技術(shù)對(duì)白酒的品質(zhì)進(jìn)行鑒別被廣泛應(yīng)用；在模式分類中，訓(xùn)練樣本的篩選影響著分類器分類的性能。本文以支持向量機(jī)(SVM)作為分類模型，探討了支持向量對(duì)其的影響，結(jié)合K均值(K-means)聚類的思想對(duì)初始訓(xùn)練樣本集進(jìn)行篩選，以提高分類器的分類準(zhǔn)確率以及泛化能力。
　　本文指

2、出訓(xùn)練樣本數(shù)量影響了模型的泛化推廣能力，證明了SVM的分類性能只與支持向量有關(guān)，而與非支持向量無關(guān)。對(duì)于訓(xùn)練樣本集進(jìn)行適當(dāng)?shù)目s減，提取出可能成為支持向量的樣本，有助于提高SVM的分類性能和推廣能力。K-means具有運(yùn)算復(fù)雜度低的優(yōu)點(diǎn)，能夠自動(dòng)尋找到類別中心。本文依照這種思想，在找到類別中心的基礎(chǔ)上，找到邊界樣本，同時(shí)刪除誤分類樣本，避免SVM最優(yōu)分類面發(fā)生偏置，從而達(dá)到降低置信風(fēng)險(xiǎn)的目的，防止過擬合現(xiàn)象的出現(xiàn)。為了驗(yàn)證該方法的有效性，

3、本文選用了UCI數(shù)據(jù)庫的WDBC、Iris、Wine、Sonar數(shù)據(jù)集，對(duì)比了經(jīng)典的隨機(jī)取樣、KS樣本篩選方法，結(jié)果表明本文所提出的K-SVM方法有助于分類準(zhǔn)確率的提高。
　　針對(duì)白酒的品牌鑒別問題，首先采集不同品牌、多種批次的飛行時(shí)間質(zhì)譜(TOFMS)譜圖，經(jīng)過對(duì)儀器的精密度、重復(fù)性和穩(wěn)定性的考察，得到了可靠的實(shí)驗(yàn)數(shù)據(jù)。應(yīng)用小波分析的方法對(duì)原始數(shù)據(jù)進(jìn)行降噪處理，進(jìn)而通過PLS-VIP篩選出350個(gè)特征指標(biāo)。此基礎(chǔ)上，應(yīng)用K-SV