[发明专利]一种基于遗传算法的支持向量机分类器参数选择的蜂蜜检测方法

摘要

一种基于遗传算法的支持向量机分类器参数选择的蜂蜜检测方法，其特征在于所述遗传算法的基本运算过程：1)数据初始化：设置最大进化代数，随机生成的个体数及其所构成的群体。选择个体数20个，最大迭代次数100代。2)个体评价：计算群体中各个个体的适应度，本申请中适应度为样本分类的准确率。3)选择运算:利用选择算子对群体中的各个个体进行随机选择。本申请中利用轮盘赌法结合个体评价的准确率对个体进行选择，从而将适应度较高的个体信息可以遗传到下一代。4)交叉运算：利用交叉算子对个体中的个体进行叠加重组产生新的个体，集成上代个体中的特征信息。5)变异运算：利用变异算子对个体按概率进行随机变异。群体经过选择、交叉、变异运算之后得到下一代群体。6)终止判断:若迭代次数达到最大代数或适应度达到所需要求则停止迭代。

主权项

一种基于遗传算法的支持向量机分类器参数选择的蜂蜜检测方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，其特征在于所述遗传算法的基本运算过程如下：1)数据初始化：设置最大进化代数，随机生成的个体数及其所构成的群体;选择个体数20个，最大迭代次数100代;2)个体评价：计算群体中各个个体的适应度，所述适应度为样本分类的准确率;3)选择运算:利用选择算子对群体中的各个个体进行随机选择;其中利用轮盘赌法结合个体评价的准确率对个体进行选择，从而将适应度较高的个体信息可以遗传到下一代;4)交叉运算：利用交叉算子对个体中的个体进行叠加重组，从而产生新的个体，集成上代个体中的特征信息;5)变异运算：利用变异算子对个体按概率进行随机变异，保证了新个体的产生;群体经过选择、交叉、变异运算之后得到下一代群体;6)终止判断:若迭代次数达到最大代数或适应度达到所需要求则停止迭代;优化后训练集的准确率为96.25%，c=3.2277，r=0.1354，在此条件下，判别准确率为97.4684% ，即蜂蜜样本77/79，其中油菜蜜23/23，椴树蜜16/17，洋槐蜜38/39。