电气信息工程学院毕业设计（论文）开题报告课题名称：葡萄酒种类识别的支持向量机方法实现专业：电子信息科学与技术姓名：班级学号： 指导教师： O 四年四月一日、选题的意义及背景概况1课题的意义随着科技的进步和社会生活水平的提高，在食品工业、环境监测、医疗诊断、海 关检查等方面，人们越来越多地开始对特定气味的物体进行检测。在工业领域对有毒 气体进行检测，人们常常利用气象色谱法进行组成和浓度分析，但是这些分析用到的 仪器成本高，同时常常需要复杂的数学换算。在对香料、食品、酒类、咖啡等物品进 行检验时，大多数时候是依靠人类的嗅觉进行评价的，但是，这种方法主观性强，时 间和费用消耗较大，鉴别结果往往受到人的经验、身体状况、情绪等外界因素影响， 准确性难以保证。质检部门有时也用到化学分析法及物理化学分析法对当天生产的成 品进行抽样检测来控制质量，化学分析步骤繁琐，实时性差，而物理化学分析需要比 较贵重的仪器（如液相色谱仪），并且对样品的提取、制备和仪器操作技术要求都较高，不适应快速分析的需要。另外，用化学成分 分析的方法来鉴别酒类质量也是比较困难的，因为影响酒类质量的化学成分较多（如 酒的香气质量就是多种致香成分的综合反映），完全测出这些成分不仅非常复杂， 还要花费很多时间和费用，而且，有些成分含量极微，测试非常困难。因此，探求一 种客观准确的嗅觉鉴别方法来替代人工气味鉴别和分析化学仪器是人们多年的期望。医学研究表明葡萄酒中蕴藏了多种氨基酸、矿物质和维生素，这些物质都是人体 必须补充和吸收的营养品。目前，已知的葡萄酒中含有的对人体有益的成分大约就有 600种。因此每天饮用适量的葡萄酒，可以起到延缓衰老，预防心脑血管病，预防癌症美容养颜的作用。市场上所销售的葡萄酒价格幅度很大，从几十到上千都有，葡萄 酒的等级划分成为研究葡萄酒的一个重要领域。目前葡萄酒的等级划分仍然是感官评 定的方法，即使再好的鉴别师，于仅凭个人经验，多少会带一些偶然性。对于一般的 普通消费者对气味的辨别能力更加难以预测。支持向量机的介入研究，给这一行业开 拓了另一片天空，通过支持向量机对不同类型但具有相似气味的葡萄酒进行检测，可 以获得不同的气味指纹数据，从而辨别出不同品种的葡萄酒。对酒类食品的质量检 测，有着很大的应用价值。2006年Loza no. J等利用电子技术较好的对红、白葡萄酒 中的芳香族化合物进行识别显示。2009年，Nicol6sh Beltr6 n等利用电子技术对生长 在四种不同地理位置的原材料酿造的葡 萄进行分类检测，正确率高达94%。2012年 Teodoro Aguilera等利用10个传感 器阵列构成检测系统，对来自不同地区、品种和精 化过程的26种葡萄酒进行分析，获得了成功的预测和分类。在国内，这种研究的历 史还不长，还处于实验室阶段。在食品方面的应用，关于白酒质量检测的研究较多。2000年，石志存，李建平等 开发了能识别不同香型白酒的电子系统，实验结果良好。 2005年，秦万广等利用 自制的仿生实验装置，对4种白酒成功进行了分类和识别，而且可以识别真假白酒。模式识别系统在整个电子系统中有着举足轻重的地位。一个好的模式识别算法，不仅 能提高系统的工作精度和识别速度，而且易于训练，抗干扰能力强。目前模式识别算 法有很多，其中主成份分析法（PCA）、线性判别法（LDA）、BP神经网络、径向 神经网络（RBF）等最为常用普遍。但是一般情况下以上几种方法具有一定的局限 性，比如局部最优问题、假定样本无穷、维数低等。统计学习理论是一种专门研究有 限样本情况下的机器学习理论，其目标是基于现有信息的最优解而不是样本趋于无穷 大时的最优解。基于统计学理论的支持向量机（SVM）能较好地解决小样本、非线 性、高维数、局部极小点等实际问题，在解决有限样本及不等距样本的分类问题上有 着潜在的优势。支持向量机方法的基本思想：1）它是专门针对有限样本情况的学习机器，实现的是结构风险最小化：在对 给定的数据逼近的精度与逼近函数的复杂性之间寻求折衷，以期获得最好的推广能 力；2）它最终解决的是一个凸二次规划问题，从理论上说，得到的将是全局最优 解，解决了在神经网络方法中无法避免的局部极值问题；3）它将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造 线性决策函数来实现原空间中的非线性决策函数，巧妙地解决了维数问题，并保证了 有较好的推广能力，而且算法复杂度与样本维数无关.为此，现提出一种SVM统计分类器模型，对几种具有相似化学成分的不同类型 的酒进行分类识别实验。二、本课题研究的关键问题及解决的思路1、本课题研究内容及关键问题本课题的内容是设计一个基于向量机的葡萄酒种类识别系统，由于支持向量机 （SVM）是一种比较好的实现了结构风险最小化思想的方法.它的机器学习策略是 结构风险最小化原则（为了最小化期望风险，应同时最小化经验风险和置信范围） 葡萄酒种类鉴别可由matlab软件编程实现，它的的核函数通常采用的是径向基核函 数。计划选取3种葡萄酒数据为研究对象，确定输入样本集再设计支持向量机的结 构，最后进行matlab仿真实现。解决的关键问题有：（1 ）葡萄酒特征及分类识别问题原理研究（2）支持向量机建模(3) 支持向量机参数优化项目的MATLA实现2、解决关键问题的思路(1) 葡萄酒特征及分类识别问题原理研究 葡萄酒数据是物理相关领域的数据，根据对葡萄酒化学成分的分析，发现每 种葡 萄酒可由 13种特征化学成分来相互区分，为此收集了三种葡萄酒的 178个样 本，详 情如下：Proli neOD280/OD315 of dilutedHueColor inten sitysProa nthocya ninsNon flava noid phe nolsFlava no idsTotal phe nolsMagn esiumAlcali nity of ashAshMalic acidAlcoholwi ne 数据的 box 可视化选定训练集和测试集数据预处理(归一化)训练SVM f分类准确率预测(2) 支持向量机建模(3) 支持向量机参数优化建模时，使用了 LIBSVMX具箱的svmtrain函数，但svmtrain的惩罚参数c和核函数参数g是任意给定的或凭测试经验给定的，对准确率会有一定的影响。通常可以在交叉验证（CV意义下，用网络划分来寻找最佳的参数c和g,但有时候如 果想在更大的范围内寻找最佳参数 c 和 g 会很费时，采用遗传算法参数寻优（GA 就可以不必遍历网格内的所有参数点，也能找到全局最优解。4）项目的 MATLAB 实现用 MATLAB2011 软件和 LIBSVMX 具箱建立起向量机以进行葡萄酒种类识别 再给出多组测试样本，进行 MATLA 仿真得出测试结果。3、系统组成框图学习过程分类器训练数据获取f预处理特征选择分类决策判决过程三、完成本课题的工作进度计划毕 业 设 计 进 度 计 划时间任务第一周查阅相关资料，撰写文献综述；确定设计方案，撰写开题报告第二周开题答辩；第三周3000字英文资料翻译第四周葡萄酒训练样本的搜集与整理第五周支持向量机建模第六周一第八周利用Matlab2011b仿真软件编写程序实现支持向量机训练与测试第九周一第十周遗传算法的理论研究以及Matlab编程实现第十一周系统程序的整体调试与优化第十二周一 第十三周撰写论文第十四周整理论文；答辩四、参考文献1 Vapnik V.Statistical Learning TheoryM.New York: Wiley,19982 Boser B,Guyon I,Vapnik V.A training algorithm for optimal margin classifiersJ.ACM press : In Proceedings of the Fifth Annual Workshop on Computeti onal Lear ning Theory,19923 Hsu C W,Lin C J.A comparsi on of methods for multi-class support vector machi nesJ .IEEE Tran sactio ns on Neural Network,2002,13(2):415-4254 张学工关于统计学习理论与支持向量机J自动化学报，2000 , 126(1):32-42.金菊良，杨晓华，丁晶标准遗传算法的改进方案一加速遗传算法J.系统功能理论与实现，2001, 4(5):37-61.6 唐耀华，郭为民，高静怀基于核相似性差异最大化的支持向量机参数选择算法J模式识别与人工智能，2010, 23(2):18-58.7 马超，邓超，熊尧等一种基于混合遗传和粒子群的智能优化算法J.计算机研究与发展，2013，50(11):2278-2286.8 徐冰，王星，Dhaene Tom等基于遗传算法的多目标最小二乘支持向量机在近红 外多组分定量分析中的应用J光谱学与光谱分析，2014，34(3):638-642.9 赵璐，赵树欣，王晓丽等.GC-MS法研究玫瑰香葡萄酒中的香气成分J中国酿 造，2011，228(3) : 158-176.10 张文辉用于饮料识别的电子鼻系统研究与实现J西北工业大学报，2004, 117(78):48-53.11 王国胜支持向量机的理论与算法研究D:硕士学位论文,北京：北京邮电大学 信号与信息处理系，2007.五、毕业设计起止日期自 2014 年 3 月 17 日起，至 2014 年 6 月 18 日止六、指导教师审阅意见指导教师（签字） ：年 月曰七、指导小组意见指导小组组长（签字）:系（签章）_年 月曰