鑒于花椒重要的食用和藥用價值,其品質(zhì)控制和等級劃分逐漸成為花椒產(chǎn)業(yè)中的一個重要環(huán)節(jié)。就目前而言,花椒的品質(zhì)檢測和等級劃分標準基本由外觀品質(zhì)決定,方法基本基于人工感官評價技術(shù)。然而,由于人工感官評價具有主觀波動性、評價疲勞性以及培訓(xùn)困難性等不可避免的缺陷,使得花椒的品質(zhì)控制和等級劃分難以形成統(tǒng)一標準化,在一定程度上制約了花椒產(chǎn)業(yè)的發(fā)展。因此,如何快速、穩(wěn)定、標準地對花椒的品質(zhì)進行檢測已經(jīng)成為花椒產(chǎn)業(yè)中一個亟需解決的問題。近年來,隨著智能感官檢測設(shè)備和技術(shù)的高速發(fā)展,使得花椒智能化品質(zhì)檢測成為可能。因此,本論文擬針對六種產(chǎn)地紅花椒、四川青/紅花椒、八種市售花椒油和七種不同花椒含量花椒油等四組研究對象,以電子鼻和電子舌為智能感官檢測設(shè)備,基于特征值優(yōu)化和Filter-Wrapper特征值篩選得到兩類特征值,采用支持向量機（SVM）、K-近鄰（KNN）、決策樹以及集成算法等22種模型分析方法,圍繞“花椒和花椒油品質(zhì)的智能檢測”這一主題進行研究。論文主要研究工作和結(jié)論如下:（1）建立了花椒和花椒油種類的電子鼻檢測方法,采用電子鼻對四組花椒和花椒油研究對象進行檢測后采用電子鼻傳感器優(yōu)化和Filte... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁數(shù)】：127 頁

【學(xué)位級別】：碩士

【部分圖文】：

線性可分情況下的最優(yōu)分類線

5本論文得到了中國標準化研究院院長基金重大項目（562018Y-5983-2-1）的資助。特此感謝！1.4人工智能識別算法簡述1.4.1支持向量機支持向量機（SupportVectorMachine，SVM）本身是一個二值分類器，SVM算法最初是為二值分類問題設(shè)計的，核心思想就是把數(shù)據(jù)非線性映射到高維特征空間，在高維特征空間中構(gòu)造最優(yōu)的分類超平面，使分類結(jié)構(gòu)風(fēng)險最小化[31]。實心點和空心點分別代表兩類樣本，H代表分類超平面。圖1.1線性可分情況下的最優(yōu)分類線Fig.1.1Optimizationclassificationlinesundertheconditionoflinearanddivisible當處理多類問題時，就需要構(gòu)造合適的多類分類器，主要是通過組合多個二分類器來實現(xiàn)多分類器的構(gòu)造[32]，其中一種方式如下：圖1.2SVM多分類示意圖Fig.1.2SVMmulti-classification如圖1.2所示，首先將所有類別分為兩個類別，再將子類進一步劃分為兩個次級子類，如此循環(huán)下去，直到所有的節(jié)點都只包含一個單獨的類別為止，此節(jié)點也是二叉樹樹種的葉子。該分類將原有的分類問題同樣分解成了一系列的兩類分類問題，其中兩個

7本論文得到了中國標準化研究院院長基金重大項目（562018Y-5983-2-1）的資助。特此感謝�。�2）修剪決策樹用訓(xùn)練集樣本生成決策樹，所以一些創(chuàng)建的分支反映的為訓(xùn)練集中的個例，需要合理的去除剪掉不好的分支，以此來提高決策樹對新數(shù)據(jù)預(yù)測的準確性。決策樹的剪枝有兩種：預(yù)剪枝和后剪枝。前者是在創(chuàng)建樹的過程中，通過對節(jié)點數(shù)等一些閾值進行設(shè)置可使樹的創(chuàng)建提前結(jié)束。后者是在樹創(chuàng)建后，通過修建決策樹的剪枝集將該節(jié)點的子樹對應(yīng)替換為葉節(jié)點而準確性提高，則完成替換，從而實現(xiàn)對決策樹的修剪。圖1.3決策樹生成流程圖Fig.1.3Decisiontreegenerationflowchart決策樹的生成是一個遞歸過程，有三種情形會導(dǎo)致遞歸返回[43]：a.當前結(jié)點包含的樣本全屬于同一類別，無需劃分；b.當前屬性為空或者是所有樣本在所有屬性上取值相同，無需劃分，在這種情況下，我們把當前結(jié)點標記為葉結(jié)點，并將其類別設(shè)定為該結(jié)點所含樣本最多的類別；c.當前結(jié)點包含的樣本集為空，不能劃分，同樣把當前結(jié)點標記為葉結(jié)點。1.4.4集成算法集成學(xué)習(xí)（EnsembleLearning）是一種通過將多個學(xué)習(xí)器進行結(jié)合以達到優(yōu)于單個學(xué)習(xí)器效果的學(xué)習(xí)算法，可以通過訓(xùn)練若干單個學(xué)習(xí)器再通過一定的結(jié)合策略，形成最終的強學(xué)習(xí)器，單個學(xué)習(xí)器可以由SVM、KNN等算法構(gòu)成[44]。常用的集成算法主要分為兩類：單個學(xué)習(xí)器間存在依賴關(guān)系，以Boosting算法為代表[45-48]；單個學(xué)習(xí)器之間相

【參考文獻】：
期刊論文
[1]基于集成解調(diào)芯片的電感式位移傳感器[J]. 劉亞婷,張剴,徐旸.  儲能科學(xué)與技術(shù). 2019(05)
[2]基于最重要特征的裁剪k-近鄰分類算法設(shè)計[J]. 趙琳,行致源.  電子設(shè)計工程. 2019(14)
[3]基于聚類的環(huán)形kNN算法[J]. 匡振曦,武繼剛,李嘉興.  計算機工程與科學(xué). 2019(05)
[4]基于多元統(tǒng)計分析的不同產(chǎn)地紅花椒揮發(fā)性成分差異分析[J]. 王思思,鐘葵,史波林,汪厚銀,張璐璐,劉龍云,趙鐳.  中國調(diào)味品. 2019(03)
[5]基于改進KNN算法的手寫數(shù)字識別研究[J]. 胡君萍,傅科學(xué).  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2019(01)
[6]基于無機元素的花椒產(chǎn)地溯源和品種聚類分析[J]. 吳振,李紅,楊勇,譚紅軍,詹永,賈鳳霞,李孝彬,王福強.  食品科學(xué). 2019(16)
[7]大數(shù)據(jù)背景下基于過濾式-包裹式方法的高危人員風(fēng)險預(yù)警[J]. 張偉,池宏,林志宏.  科技促進發(fā)展. 2018(08)
[8]基于電子鼻和電子舌分析鹽水鴨風(fēng)味的差異性[J]. 徐寶才,李聰,馬倩,郝敬芝,王學(xué)敬,王赟.  中國食品學(xué)報. 2017(12)
[9]仿生嗅覺和味覺傳感技術(shù)的研究進展[J]. 王平,莊柳靜,秦臻,張斌,高克強.  中國科學(xué)院院刊. 2017(12)
[10]基于SRAP標記的花椒種質(zhì)資源遺傳多樣性及群體結(jié)構(gòu)分析[J]. 李立新,楊途熙,魏安智,馮世靜,陳旅,侯娜.  華北農(nóng)學(xué)報. 2016(05)

博士論文
[1]基于電子鼻和電子舌的櫻桃番茄汁品質(zhì)檢測方法研究[D]. 洪雪珍.浙江大學(xué) 2014
[2]仿生嗅覺細胞及受體傳感器的研究[D]. 吳春生.浙江大學(xué) 2009
[3]基于支持向量機的人臉特征選擇及識別研究[D]. 李偉紅.重慶大學(xué) 2006
[4]基于機器學(xué)習(xí)的高維多光譜數(shù)據(jù)分類[D]. 夏建濤.西北工業(yè)大學(xué) 2002

碩士論文
[1]一種基于Boosting算法的新模型在銀行信用評級中的應(yīng)用[D]. 翟璐.北京交通大學(xué) 2016
[2]青花椒香氣特征與活性香氣研究[D]. 楊靜.西南交通大學(xué) 2015
[3]基于Hadoop的決策樹分類算法的并行化研究[D]. 李力.四川師范大學(xué) 2015
[4]智舌應(yīng)用穩(wěn)定性關(guān)鍵技術(shù)研究[D]. 毛岳忠.浙江工商大學(xué) 2011
[5]花椒和青椒的生藥學(xué)、化學(xué)成分和藥效學(xué)比較研究[D]. 李惠勇.成都中醫(yī)藥大學(xué) 2009
[6]多頻脈沖電子舌系統(tǒng)構(gòu)建及應(yīng)用[D]. 田師一.浙江工商大學(xué) 2007
[7]基于決策樹的分類算法研究[D]. 關(guān)曉薔.山西大學(xué) 2006
[8]決策樹的結(jié)點屬性選擇和修剪方法研究[D]. 屈俊峰.中國地質(zhì)大學(xué) 2006



本文編號：3402912