[发明专利]基于沙猫群优化支持向量机算法的葡萄酒种类识别方法

说明书

本发明涉及酒类识别方法技术领域，具体涉及一种基于沙猫群优化支持向量机算法的葡萄酒种类识别方法。该方法主要包括以下步骤：将采集到的带有类标签的葡萄酒数据集归一化且划分为训练集和测试集；利用沙猫群算法优化支持向量机的惩罚因子和核函数参数；建立基于沙猫群优化支持向量机算法的葡萄酒种类识别模型，对训练集和测试集分别进行训练与测试。该方法能有效优化支持向量机的参数，提高葡萄酒种类识别准确率，为99.89％，且鲁棒性较好。

技术领域

本发明属于酒类识别方法技术领域，具体涉及一种基于沙猫群优化支持向量机算法的葡萄酒种类识别方法。

背景技术

葡萄酒由于风味和营养价值，是一种高价值的酒精饮料。关于葡萄酒瓶标签的关键信息是消费者选择的基础，这也成为制造商掺假的目标。随着葡萄酒掺假技术的改进，需要现代技术手段来解决上述问题。

葡萄酒的化学基础确定了所使用的技术类型。检测技术可以细分为四组：质谱法，光谱法，色谱法和其他技术[张磊，乔淼，赵策.基于贝叶斯优化和电子鼻的葡萄酒分类方法[P].天津市：CN110705641A，2020-01-17.]。质谱分析的化学基础主要在于不同葡萄酒之间元素的差异。质谱法通过分析测得样品离子的核质量比来识别葡萄酒种类。虽然该方法具有高灵敏度，高特异性和快速响应的优点，但会出现离子抑制的情况。光谱法是一种基于辐射信号与材料结构之间的关系的分析方法，具有无损和分析成本相对较低的优势，但准确性较差。色谱法一种物理化学分离方法，不同的物质在固定相和移动相中具有不同的分布系数。色谱分析具有高分离效率，快速分析速度和较大的应用范围等优点，但是很难确定未知物质的质量。其他技术包括传感器技术、聚合酶链式反应技术，包装识别系统等技术，根据葡萄酒的特征来识别葡萄酒的真实性。

近年来，随着机器学习和人工智能的发展，如支持向量机、人工神经网络、主成分分析、聚类分析等方法不断应用在酒类识别方法技术领域。其中，支持向量机得到广泛的研究。韦海成将光谱技术、支持向量机和反向传播神经网络结合，消除传统光谱检测所存在的噪声的影响。战吉宬通过全定量分析法，结合统计学系统筛选特征元素，再基于支持向量机建立鉴别模型，实用性强，泛化性好，可进一步用于其它农产品的分类识别。但上述两种方法都忽视了算法本身的局限性，分类结果依赖参数初始值。

因此，本专利提出一种基于沙猫群优化支持向量机算法的葡萄酒种类识别方法，帮助葡萄酒研究人员来应对葡萄酒可追溯性和真实性的挑战。

发明内容

本发明的目的在于，提供一种基于沙猫群优化支持向量机算法的葡萄酒种类识别方法。包括以下步骤：

S1、将采集到的带有类标签的葡萄酒数据集归一化且划分为训练集和测试集；

S2、利用沙猫群算法优化支持向量机的惩罚因子和核函数参数；

S3、建立基于沙猫群优化支持向量机算法的葡萄酒种类识别模型，对训练集和测试集分别进行训练与测试。

进一步的，所述S1中葡萄酒数据集标签属性包括酒精、苹果酸、灰、灰分的碱度、镁、总酚含量、脯氨酸、黄酮类化合物、酚、原花青素、色泽度、色调及稀释葡萄酒的吸光度比。

进一步的，所述S1中的归一化方式采用最小-最大标准化，将数据集归一化到[0，1]范围内，计算公式如下：

式中：[y_min，y_max]＝[0，1]，x_min、x_max分别为每行数据的最小值和最大值，同时，将带有类标签的葡萄酒数据集按接近1：1的比例划分训练集和测试集。

进一步的，所述S2具体按照以下步骤实施：

步骤a：设置算法基本参数：种群数目、变量维数、听觉特性、核函数(径向基高斯核函数，如下式所示)和最大迭代次数；

式中：(x_i，y_i)为样本数据，σ为核函数参数；