中国酿造
中國釀造
중국양조
CHINA BREWING
2011年
11期
149-152
,共4页
白酒识别%电子鼻%支持向量机%粒子群算法
白酒識彆%電子鼻%支持嚮量機%粒子群算法
백주식별%전자비%지지향량궤%입자군산법
研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vector mchine,SVM)分类模型的输入.为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g.不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO- SVM分类模型的识别准确率达到了97.5％.结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻.
研製一套白酒品質識彆電子鼻,對檢測樣品的氣味數據進行預處理,提取穩態響應值,併作為支持嚮量機(support vector mchine,SVM)分類模型的輸入.為提高識彆的準確度,利用粒子群算法(particle swarm optimization,PSO)來優化SVM的參數c和g.不同品質的白酒所對應的電子鼻傳感器響應特性不同,PSO- SVM分類模型的識彆準確率達到瞭97.5％.結果證明基于PSO-SVM分類模型具有較彊的學習能力和汎化能力,可用于白酒品質鑒彆電子鼻.
연제일투백주품질식별전자비,대검측양품적기미수거진행예처리,제취은태향응치,병작위지지향량궤(support vector mchine,SVM)분류모형적수입.위제고식별적준학도,이용입자군산법(particle swarm optimization,PSO)래우화SVM적삼수c화g.불동품질적백주소대응적전자비전감기향응특성불동,PSO- SVM분류모형적식별준학솔체도료97.5％.결과증명기우PSO-SVM분류모형구유교강적학습능력화범화능력,가용우백주품질감별전자비.
