[发明专利]电子鼻黄芽茶的香气品质分类方法

摘要

本发明公开了电子鼻黄芽茶的香气品质分类方法，采用电子鼻传感器模拟人感官品评的功能和特征，结合改进的SMO算法进行香气品质分类，进而获得相对应的预测模型和方法。本发明的有益效果在于，将改进的SMO分类算法应用于实际的黄芽茶叶数据中，对茶叶香气品质进行分类，有效地提高了数据的分类精度和效率。这对我国茶叶科学技术的研究和开发的进一步完善具有重大的意义。

主权项

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$L_D=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i-\frac{1}{2}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\α}}_j{y}_i{y}_{j}K(x_i,x_j)$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。