基于GA-SVM算法的烤烟香型自动识别研究

论文摘要

为了对不同香型烤烟进行特征差异性识别,选取清香型、浓香型和中间香型3类香型的514个烟叶样品,对其中的68种致香成分进行检测,结合数据分析和模式识别技术,提出了一种基于烟草致香成分和遗传算法-支持向量机（GA-SVM）算法的烤烟香型自动识别方法,通过使用遗传算法对支持向量机进行参数优化和调整,并采用5折交叉验证的方法计算分类正确率。分别对GA-SVM算法、SVM算法和朴素贝叶斯算法的分类效果进行对比测试,结果表明:3种模式识别方法对3类香型的分类正确率分别为96.40%、78.58%和84.42%,GA-SVM算法显著优于SVM和朴素贝叶斯等传统分类算法。该方法能够为烤烟香型准确识别、烤烟产地溯源、烟叶香型风格定位提供技术支持。

论文目录

• 1 材料与方法
•   1.1 材料
•   1.2 仪器
•   1.3 检测方法
•     1.3.1 样品制备
•     1.3.2 样品预处理
•     1.3.3 致香成分含量的测定
•   1.4 模式分类方法
•     1.4.1 支持向量机 （SVM） 算法原理
•     1.4.2 核函数的选择
•     1.4.3 遗传算法优化参数
• 2 结果与讨论
•   2.1 不同香型烤烟中致香成分含量的差异性分析
•   2.2 GA-SVM算法的烤烟香型分类
•   2.3 SVM和朴素贝叶斯分类算法的烤烟香型分类
• 3 结论

文章来源

类型: 期刊论文

作者: 邱昌桂,孔兰芬,杨式华,杨双艳,刘静,张建强,袁天军,刘泽

关键词: 烤烟,香型,致香成分,遗传算法,支持向量机,自动识别

来源: 烟草科技 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,农业科技

专业: 轻工业手工业

单位: 云南瑞升烟草技术(集团)有限公司,云南同创检测技术股份有限公司,云南中烟工业有限责任公司技术中心

基金: 云南瑞升烟草技术(集团)有限公司项目“烟叶品质数字化评价技术的平台建设研究”(RS2014010)

分类号: TS411

DOI: 10.16135/j.issn1002-0861.2018.0311

页码: 101-108

总页数: 8

文件大小: 1218K

下载量: 269