基于K均值樣本篩選的支持向量機及其在白酒品牌鑒別中的應用.pdf

1、白酒是我國的傳統(tǒng)產品，對于其產品質量的控制影響著我國制酒行業(yè)的健康發(fā)展，同時這也關系到消費者的健康權益，有必要對白酒產品進行鑒別。在實際應用中，化學計量學結合模式識別技術對白酒的品質進行鑒別被廣泛應用；在模式分類中，訓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(SVM)作為分類模型，探討了支持向量對其的影響，結合K均值(K-means)聚類的思想對初始訓練樣本集進行篩選，以提高分類器的分類準確率以及泛化能力。
　　本文指

2、出訓練樣本數(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，而與非支持向量無關。對于訓練樣本集進行適當?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具有運算復雜度低的優(yōu)點，能夠自動尋找到類別中心。本文依照這種思想，在找到類別中心的基礎上，找到邊界樣本，同時刪除誤分類樣本，避免SVM最優(yōu)分類面發(fā)生偏置，從而達到降低置信風險的目的，防止過擬合現(xiàn)象的出現(xiàn)。為了驗證該方法的有效性，

3、本文選用了UCI數(shù)據庫的WDBC、Iris、Wine、Sonar數(shù)據集，對比了經典的隨機取樣、KS樣本篩選方法，結果表明本文所提出的K-SVM方法有助于分類準確率的提高。
　　針對白酒的品牌鑒別問題，首先采集不同品牌、多種批次的飛行時間質譜(TOFMS)譜圖，經過對儀器的精密度、重復性和穩(wěn)定性的考察，得到了可靠的實驗數(shù)據。應用小波分析的方法對原始數(shù)據進行降噪處理，進而通過PLS-VIP篩選出350個特征指標。此基礎上，應用K-SV