[发明专利]电子鼻黄芽茶的香气品质分类方法

权利要求书

1.一种电子鼻黄芽茶的香气品质分类方法，其特征在于，步骤包括：

(1)准备70个重复的黄芽茶样品；

(2)使用含有10个不同金属氧化物传感器的电子鼻对黄芽茶样品进行检测，得到10个传感器特征值，按照不同时间下的检测值，构建数据集；

(3)茶叶香气品质建模利用十折交叉验证法，即将样本集切割成10个相等的互不相交的子样本，轮流将其中9份样本作为训练样本集构建模型，剩下的1个子样本验证所建的模型，以上步骤重复10次后的均值作为对算法精度的估计，采用改进的SMO算法对黄芽茶香气品质进行分类：

(a)根据测试样本分类误差率的期望上界

其中：N是训练样本总数，E_N[·]表示在大小为N的训练集上的期望，由核函数的性质可知，将核函数与一个正实数相乘，形成的仍为核函数，选取SMO算法的核函数与系数(1+m)(m>0)相乘，以高斯核函数为例，

K(x,z)＝(1+m)*exp(-γ||x-z||²)

核函数与一个系数(1+m)(m>0)相乘之后，目标函数

LD=Σi=1Nαi-12Σi=1NΣj=1NαiαjyiyjK(xi,xj)]]>

L_D中二次项系数的绝对值增大，导致α_i的最优值降低，支持向量数减少以及分类误差率降低，从而算法的分类精度提高；

(b)对基于核函数改进的SMO算法的相关参数进行优化，选定一组参数m和惩罚因子C的取值范围和搜索步长，设C的初始范围为[1，8]，步长为1；m的初始范围为[0，20]，步长为1。

用基于核函数改进的SMO算法计算整体的分类正确率和搜索时间，得到使分类正确率最高的最优参数C＝1，m＝20，

根据获得的最优参数，在上述参数范围附近选择不同的取值范围进一步细分网格，进行二次寻优，选定第二组参数m和惩罚因子C的取值范围和搜索步长，设C的取值范围为[1，8]，步长为1；m的取值范围为[20，40]，步长为1，用同样的方法选取第三组参数组合，C的取值范围为[1，8]，步长为1；m的取值范围为[40，60]，步长为1，并计算出搜索时间和分类正确率，比较不同的取值范围对分类正确率的影响。

2.根据权利要求1所述的电子鼻黄芽茶的香气品质分类方法，其特征在于，(1)每个重复样品质量为5g，双层薄膜密封在500ml的烧杯中，静置45min，室温25±℃。

3.根据权利要求1所述的电子鼻黄芽茶的香气品质分类方法，其特征在于，(1)茶、水比1：50，取5g茶叶用250ml水冲泡，泡茶用水为沸滚适度100℃的纯净水，冲泡时间为5min，然后将茶水滤出，将茶水和茶底分别在500ml的烧杯中密封、静置45min，水温也冷却至室温，室温保持25±℃。