【摘要】：將多種單分類(lèi)器模型融合,并用融合后的模型對(duì)不同品種干紅葡萄酒進(jìn)行判別分析。用BRUKER MPA傅里葉變換型近紅外光譜儀采集170個(gè)干紅葡萄酒樣品的近紅外透射光譜,選取PLS-DA,SVM,Fisher和AdaBoost作為單分類(lèi)器建模方法,分別建立葡萄酒品種判別模型,通過(guò)差異性度量值對(duì)單分類(lèi)器進(jìn)行篩選,得到差異性較大的四個(gè)單分類(lèi)器作為基分類(lèi)器,其中基分類(lèi)器對(duì)測(cè)試集葡萄酒品種判別準(zhǔn)確率最高為88.24%,最低為81.18%。然后通過(guò)加權(quán)投票機(jī)制對(duì)基分類(lèi)器進(jìn)行融合,融合后的模型對(duì)測(cè)試集葡萄酒品種判別準(zhǔn)確率提高至92.94%,誤判樣品個(gè)數(shù)由單分類(lèi)器最少的9個(gè)降為6個(gè)。實(shí)驗(yàn)結(jié)果表明多分類(lèi)器融合所建立的模型優(yōu)于傳統(tǒng)近紅外光譜定性分析一般采用單分類(lèi)器模型結(jié)果,提高了葡萄酒品種判別的準(zhǔn)確性,采用基于近紅外光譜的多分類(lèi)融合方法對(duì)葡萄酒種類(lèi)判定具有可行性。
[Abstract]:The models of several single classifiers were fused and the different varieties of dry red wine were analyzed by using the fused models. The near infrared transmission spectra of 170 dry red wine samples were collected by BRUKER MPA Fourier transform near infrared spectrometer. PLS-DA,SVM,Fisher and AdaBoost were selected as the modeling method of single classifier. By screening the single classifier by the difference measure, four single classifiers with great difference were obtained as the base classifier, in which the accuracy rate of the base classifier for the wine varieties was 88.24 and 81.18 respectively. Then the base classifier was fused by weighted voting mechanism. The accuracy rate of wine variety discrimination in the test set was improved to 92.94 and the number of misjudged samples was reduced from 9 with the least single classifier to 6 by the fusion model. The experimental results show that the model established by multi-classifier fusion is better than that of the traditional NIR qualitative analysis by using single classifier model, which improves the accuracy of wine variety identification. The method of multi-classification fusion based on near-infrared spectrum is feasible for wine classification.
【作者單位】： 中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院;中國(guó)農(nóng)業(yè)大學(xué)食品科學(xué)與營(yíng)養(yǎng)工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(31101289) 智慧農(nóng)業(yè)關(guān)鍵技術(shù)研究項(xiàng)目(15055340)資助
【分類(lèi)號(hào)】：TS262.6;O657.33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏蓉;趙艷君;張同亮;顧全;;使用偽氨基酸和集成分類(lèi)器預(yù)測(cè)凋謝蛋白亞細(xì)胞定位[J];計(jì)算機(jī)與應(yīng)用化學(xué);2009年07期

2 陳曉平;沈記全;;分類(lèi)器集成在入侵檢測(cè)中的應(yīng)用研究[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 計(jì)時(shí)鳴，王烈鑫，熊四昌，，席靜珠;茶葉分揀在線模式分類(lèi)器[J];浙江工業(yè)大學(xué)學(xué)報(bào);1995年03期

4 張章華;;應(yīng)用分類(lèi)器組合模型進(jìn)行巖性識(shí)別[J];計(jì)算機(jī)仿真;2009年04期

5 王直杰,方建安,邵世煌;分類(lèi)器系統(tǒng)綜述[J];中國(guó)紡織大學(xué)學(xué)報(bào);1997年01期

6 劉達(dá);張國(guó)英;劉冠洲;沙蕓;;基于特征篩選的云分類(lèi)器[J];北京石油化工學(xué)院學(xué)報(bào);2011年01期

7 范驍輝,程翼宇;基于分步相關(guān)成分分析的中藥材質(zhì)量鑒別神經(jīng)元分類(lèi)器[J];高等學(xué)�；瘜W(xué)學(xué)報(bào);2004年12期

8 杜海蓮;呂鋒;辛濤;杜妮;;基于證據(jù)理論的優(yōu)化集成分類(lèi)器融合算法及應(yīng)用[J];化工學(xué)報(bào);2012年09期

9 楊維寧，王宏，匡建超，童孝華;基于自組織映射網(wǎng)絡(luò)的模式分類(lèi)器對(duì)儲(chǔ)產(chǎn)層自動(dòng)分類(lèi)方法研究[J];成都理工學(xué)院學(xué)報(bào);1994年04期

10 陳紹杰;李光麗;張偉;曹文;;基于多分類(lèi)器集成的煤礦區(qū)土地利用遙感分類(lèi)[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2011年02期

相關(guān)會(huì)議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級(jí)分類(lèi)器的垃圾短信過(guò)濾方法[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗(yàn)證對(duì)象集分類(lèi)器的再訓(xùn)練演進(jìn)[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機(jī)手寫(xiě)識(shí)別筆段特征分類(lèi)器的學(xué)習(xí)方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

4 穆明生;;基于特征集的多種分類(lèi)器模型的在線筆跡認(rèn)證[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

5 彭濤;左萬(wàn)利;赫楓齡;;基于鏈接上下文的分類(lèi)器主題爬行技術(shù)(英文)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類(lèi)器的方法用于“與文本無(wú)關(guān)”的說(shuō)話人辨認(rèn)[A];第四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類(lèi)的KNN-SVM分類(lèi)器研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見(jiàn)青;;基于級(jí)聯(lián)分類(lèi)器的快速人臉檢測(cè)方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評(píng)估的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)分類(lèi)器方法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

10 邵小健;段華;賀國(guó)平;;一種改進(jìn)的最少核分類(lèi)器[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 黃明;精子分類(lèi)器決定生男生女[N];廣東科技報(bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 張非;對(duì)抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 張文博;多類(lèi)別智能分類(lèi)器方法研究[D];西安電子科技大學(xué);2014年

3 許勁松;智能交通中目標(biāo)檢測(cè)與分類(lèi)關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

4 余家林;普通場(chǎng)景視頻人臉檢測(cè)與識(shí)別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹(shù)種類(lèi)識(shí)別研究[D];北京林業(yè)大學(xué);2015年

6 劉明;分類(lèi)器組合技術(shù)研究及其在人機(jī)交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

7 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類(lèi)器研究[D];浙江大學(xué);2011年

8 王U

本文編號(hào)：2395330