程 龙，靳 涛，刘凤莲

（滨州市厨具产品质量检验中心，山东滨州 256600）

随着人们生活水平的不断提高，人们对美食的要求也越来越高。鸡精调味料作为一种重要的食品调味料，其风味质量很大程度上决定了食品的口感[1]。传统方法一般采用仪器分析和人工评吸的方式进行风味质量控制。但仪器分析获得的数据只能用来建立鸡精调味料成分的风味数据库，人工评吸的方式受品评人员的经验限制，且主观性强，费用高，不利于大批量数据的感官评测。

主成分分析（Principal Component Analysis，PCA）是多元统计中的一种数据挖掘技术。其主要用来将数据降维，在不丢失主要成分信息的前提下，选择较少的变量来替代原有的变量，以达到数据冗余的目的，加快运算速度。支持向量机（Support Vector Machine，SVM）是一种基于小样本的模式识别算法，它不仅能够克服传统神经网络对样本大容量的要求，还能够有效解决维数灾难及局部最小值问题，并且在解决非线性问题上表现出色[2]。

鸡精调味料组成成分复杂多样，且存在非线性关系和大量的数据冗余[3]。针对以上问题，本文提出了一种基于主成分分析（PCA）和粒子群优化—支持向量机（PSO-SVM）的鸡精调味料风味质量模型。其中，PCA算法有效解决组成成分之间的数据冗余，降低数据维数。PSO-SVM算法则解决传统神经网络复杂，对数据质量要求高的问题，且通过PSO算法的参数优化[4]，SVM算法的分类识别效果更好。该模型能在有限的数据样本训练下，有效地对不同的鸡精调味料进行分类，从而建立一个效果较好的鸡精调味料风味质量模型。……