[发明专利]一种白酒图谱的高精度分类识别算法

摘要

本发明提供一种白酒图谱的高精度分类识别算法，通过步骤1.图谱数据的预处理、步骤2.计算核矩阵的特征值与特征向量、步骤3.映射数据到主成分(Principal Component Analysis，PCA)空间、步骤4.采用支持向量机(Support Vector Machine，SVM)进行分类、步骤5.计算各类的聚类中心与阈值、步骤6.奇异点的判断与余弦角的计算、步骤7.利用余弦角对奇异点重新聚类，实现特性微小差异的不同样品白酒的区分，对白酒的准确鉴定、白酒客观评价标准的建立有极大的推动作用。

主权项

1.一种白酒图谱的高精度分类识别算法，其特征在于，包括以下步骤：步骤1.图谱数据的预处理；(1)将所获得的m个样品白酒图数据，每一个样品白酒包含n个样品数据，写成一个m×n维数据矩阵(2)矩阵A作标准化处理；即对每一个指标分量进行标准化处理，从而得到式中，其中，a_j为样本均值，s_j为样本标准差步骤2.选定多项式核函数，计算核矩阵的特征值与特征向量；(1).选用多项式核函数，k(xi,xj)＝(xi×xj+b)a，式中a＝2，b＝1.5，从而获得核矩阵K，(2).计算特征空间对映射数据进行中心化处理后的核矩阵其中，(3).计算的特征值并由大到小排列λ₁,…,λ_n，即对应的单位正交化特征向量α₁,…,α_n，选择最大的前k个特征值对的特征向量，构成映射矩阵α＝(α₁,…α_k)；步骤3.计算已标准化的样本数据X通过映射矩阵α在主成分空间的投影步骤4.对投影到主成分空间的样本数据以欧拉距离为基础采用SVM进行分类；步骤5.计算各类的聚类中心与判别阈值；步骤6.判断各点到聚类中心的欧拉距离是否大于阈值T，如大于T，则该点判定为奇异点，计算奇异点到各个聚类中心的余弦角θg；步骤7.选择余弦角最小聚类中心进行聚类，从而实现特性微小差异的不同样品酒间的区分。