[发明专利]一种基于两步核最小二乘的智能卷烟配方维护方法

摘要

本文发明一种基于两步核最小二乘(Two‑step Kernel Regular Least Squares，TKRLS)的卷烟配方维护方法，包括以下步骤：S1：数据处理，将配方数据转换成二进制配方矩阵，将单料烟组转换成二进制配方向量；S2：应用数据挖掘和TKRLS相关方法确定模型参数λu和λv，再根据模型参数λu和λv计算模型系数矩阵M；S3：根据模型系数矩阵M计算单料烟的预测值S4：根据单料烟的预测值获得推荐的替换单料烟列表S；S5：根据单料烟列表S选择替换单料烟。采用卷烟配方数据进行实验，实验结果表明，按照本文提出的方法推荐可替换的单料烟，可以有效维护卷烟配方在感官和烟气等各项指标上的稳定，对卷烟配方维护具有重要意义。

主权项

1.一种基于两步核最小二乘的智能卷烟配方维护方法，其特征在于，包括如下步骤：步骤S1：数据处理：将配方数据转换成实际的二进制配方矩阵Y，将单料烟组转换成二进制配方向量作为模型输入；步骤S2：确定模型系数矩阵M：应用数据挖掘和TKRLS相关方法，利用大量数据训练模型，通过训练来确定模型参数λ_u和λ_v的大致范围，随后通过验证过程求出λ_u和λ_v的最优解，再根据模型参数λ_u和λ_v计算模型系数矩阵M；步骤S3：计算单料烟的预测值用单料烟组乘以模型系数矩阵M，即产生每个单料烟的预测值步骤S4：获得推荐的替换单料烟列表S：将中已有的单料烟的预测值替换为零后，将预测值降序排序，取顶部的前t个为推荐的替换单料烟列表S；步骤S5：启发式选择替换单料烟：在推荐的候选列表S中采用一对一替换算法或多对多替换算法选择最合适的一种单料烟替换缺失的单料烟；其中，通过TKRLS方法分解配方矩阵：Y≈K_uWK_v＝X_uY和X_u是原配方的二进制表示，K_u和K_v是两个核矩阵，其中K_u包含可以表示矩阵Y的相似性信息，K_v总结了所有单料烟的相似性信息。核矩阵K_u由线性内核构造，核矩阵K_v使用余弦函数代替核函数构造：其中X_u为配方数据(n×m)的二进制表示，X_v为单料烟信息数据(m×p)，n表示卷烟配方的数量，m表示n个配方包含的单料烟数量，p表示单料烟的物化属性个数。系数矩阵W的估计如下：W确定后，得出单料烟预测模型矩阵系数为：步骤S2所述的模型系数矩阵M按如下步骤建立：步骤S2‑1：调整验证集；基于10折交叉验证将配方数据分为训练、验证和测试数据集；对于验证集中的每个配方，随机选择一个单料烟并从配方中消除，模型完成配方的能力是通过验证模型是否能够检索从配方中消除的单料烟来完成的；步骤S2‑2：训练模型参数λ_u和λ_v；验证过程中，将修改后的配方输入训练模型，模型输出所有单料烟的预测值列表；将配方中已经存在单料烟的预测值替换为零之后，将验证配方的预测值从高到低排序，并确定有序列表中消除的单料烟的等级；针对每个验证集，分别计算所选范围中的每个λ_u和λ_v值对应的所有被消除单料烟的平均数等级，选择平均等级最小的λ_u和λ_v值作为当前验证集的最优λ_u和λ_v值；在所有验证集的最优值λ_u和λ_v中，选择中位数值作为模型的最优λ_u和λ_v值；步骤S2‑3：计算模型系数矩阵M；此时所用的数据集为步骤S2‑2中的训练集+验证集；使用验证期间得到的最优λ_u和λ_v值，通过TKRLS方法分解数据集矩阵，并计算模型系数矩阵M。