吴悦

(淮阴工学院现代教育技术中心，江苏淮安223003)



基于搜寻者-支持向量机的葡萄酒品质鉴别模型

吴悦

(淮阴工学院现代教育技术中心，江苏淮安223003)

摘要：针对葡萄酒品质鉴别问题，提出一种基于搜寻者-支持向量机(SOA-SVM)葡萄酒品质鉴别模型。该模型以葡萄酒多维化学成分作为输入，以葡萄酒的品质类型作为输出，采用搜寻者优化算法对支持向量机模型惩罚因子和核函数参数进行优选，从而建立最优的SOA-SVM葡萄酒品质鉴别模型。应用该模型对UCI机器学习数据库中wine数据集进行实例分析，结果表明SOA算法收敛精度高、收敛速度快，且该模型能够取得优良的分类效果。

关键词：搜寻者优化算法；支持向量机；葡萄酒品质；分类模型

食品工业的相关研究表明，葡萄酒中含有多种维生素、氨基酸和矿物质，可有效调节新陈代谢、促进血液循环、降低胆固醇[1]。正由于葡萄酒的这种营养价值和医疗保健作用，葡萄酒的消费量越来越大，其品质的鉴别问题也逐渐得到关注，对促进行业的健康发展也具有重要意义。常规的葡萄酒品质鉴别一直靠感官和理化指标分析[2]。感官鉴定受主观因素影响，准确性低；理化指标分析费用贵、时间长，难以得到大规模推广。

针对葡萄酒的鉴别问题，相关研究人员将智能化算法和模型引入到该领域，较为典型的有遗传神经网络[3]、模糊神经网络[4]、数据挖掘[5]等，但在实际运用中，不同葡萄酒类别的样本难以获得大量样本，属于小样本问题，而支持向量机SVM(supportvectormachine)[6]是一种基于统计学习理论的机器学习算法，对小样本学习问题具有优良的应用效果，且能解决神经网络的“维数灾难”问题。……