基于网格搜索优化支持向量机多分类参数识别不同工艺酱酒的应用研究

TS262.3; 为提升支持向量机(SVM)在不同工艺酱酒分类预测中的准确度,该实验利用网格搜索优化支持向量机参数,建立最优参数的支持向量机分类预测模型.通过对不同工艺酱香型白酒客观结构特征定量分析,将提取的特征信息数据经过预处理(异常值处理、归一化操作等)后存储为样本数据集.其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的SVM白酒品牌分类预测模型进行训练,测试样本对模型进行预测分类.经过试验验证,该模型的不同工艺分类识别率达到94.44％,较传统的SVM等分类算法能够快速、有效地对不同工艺的酱酒进行分类识别,显著改善分类的精度,改进后的方法实现过程也比较简单....

Full description

Saved in:
Bibliographic Details
Published in中国酿造 Vol. 43; no. 6; pp. 213 - 217
Main Authors 陈旭东, 许忠平, 童凯, 王德良
Format Journal Article
LanguageChinese
Published 四川轻化工大学生物工程学院,四川 宜宾 644005 25.06.2024
国家酒类品质与安全国际联合研究中心,北京 100015
国家酒类品质与安全国际联合研究中心,北京 100015%中国食品发酵工业研究院有限公司,北京 100015
天津科技大学 生物工程学院,天津 300457%四川轻化工大学生物工程学院,四川 宜宾 644005
中国食品发酵工业研究院有限公司,北京 100015
Subjects
支持向量机
网格搜索
分类预测
sauce-flavor Baijiu with different processes
support vector machine
grid search
classification prediction
不同工艺酱酒
Online AccessGet full text

Cover

More Information
Summary:TS262.3; 为提升支持向量机(SVM)在不同工艺酱酒分类预测中的准确度,该实验利用网格搜索优化支持向量机参数,建立最优参数的支持向量机分类预测模型.通过对不同工艺酱香型白酒客观结构特征定量分析,将提取的特征信息数据经过预处理(异常值处理、归一化操作等)后存储为样本数据集.其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的SVM白酒品牌分类预测模型进行训练,测试样本对模型进行预测分类.经过试验验证,该模型的不同工艺分类识别率达到94.44％,较传统的SVM等分类算法能够快速、有效地对不同工艺的酱酒进行分类识别,显著改善分类的精度,改进后的方法实现过程也比较简单.
ISSN:0254-5071
DOI:10.11882/j.issn.0254-5071.2024.06.033