[发明专利]基于支持向量机和飞行时间质谱的白酒品牌鉴别方法

摘要

本发明利用模式识别技术，通过飞行时间质谱分析技术对一系列不同种类的白酒进行测定，利用支持向量机（SVM）方法建立分类模型，实验结果表明本发明提出的白酒品牌分类识别方法具有很高的分类准确率和识别率，并且检测速度快，显示了很好的性能，应用范围广泛。

主权项

1.基于支持向量机和飞行时间质谱的白酒品牌鉴别方法，其特征在于包括飞行时间质谱的谱图信息采集、谱图信息提取和SVM分类器的构建；（1）飞行时间质谱的谱图信息采集包括以下步骤：向15mL的进样瓶中装入5mL的白酒样品，顶空体积10ml，采用室温下大气压毛细管直接顶空采样进行分析，主要参数条件：电离方式：单光子电离；抽真空至0.8X10^-3Pa-1.8X10^-3Pa左右；电离区气压为7.0～7.5Pa；加速区电压为2650～2700V，250微米毛细管直接进样，无加热措施；每张TOF质谱全谱图信号累计时间为15～18秒；（2）谱图信息的提取：采用PCA的方法对白酒样本的飞行时间质谱的谱图的原始数据矩阵进行数据降维，设白酒样本的飞行时间质谱图的训练样本集数据记为是n×m维的原始数据矩阵，其中第i行是由第i个白酒样本的m维原始数据组成的，l_i是的类别标签，即第i白酒样本对应的等级；PCA算法：1）计算数据矩阵X的协方差矩阵S；2）计算协方差矩阵S的按大到小排序的特征值λ₁,λ₂,…,λ_m及对应的特征向量3）特征值λ_i的贡献率定义为前q个特征值的累积贡献率定义为选择累积贡献率达到一定80%～90%阈值的前q个特征值对应的特征向量张成投影矩阵WPCA=[e→1T,e→2T,...e→qT];]]>（3）基于SVM的分类模型的构建：记特征提取融合后的白酒样本训练集为是融合后的多谱图特征矩阵，其中是第i个白酒样本的多谱图融合特征矢量；线性可分情况下，SVM的求解分类器如下：f(x)=sgn(w•x+b)=sgn(Σi=1naiyi(xi•x)+b)]]>其中的ai，i=1，…，n，是下列二次优化问题的解Q(α)=Σi=1nai-12Σi,j=1naiajyiyj(xi•xj)]]>S.t.Σi=1nyiαi=0]]>0≤α_i≤C    i=1,2,…,nb通过使如下方程成立的样本求得；f(x)=sgn(Σi=1naiyiK(xi,x)+b)]]>线性不可分情况下,变换空间里的SVM可以写成：其中，系数α是下列优化问题的解：Q(α)=Σi=1nai-12Σi,j=1naiajyiyjK(xi•xj)]]>St.Σi=1nyiαi=0]]>0≤α_i≤C    i=1,2,...,nb通过使如下方程成立的样本（即支持向量）求得；yi(Σi=1nαiK(xi•x)+b)-1=0]]>通过以上SVM的分类模型对不同白酒进行鉴定。