小标注样本的葡萄酒质量评估模型 ——主动学习多分类SVM算法的应用

发布时间：2021-06-11 15:20

　　随着社会的飞速发展和人民生活水平的普遍提高,葡萄酒越来越被消费者所喜爱。在中国,人们对葡萄酒的需求量逐渐增大,各大葡萄酒厂商对中国市场越来越重视,葡萄酒质量评估成为关键要素。葡萄酒质量评估在研发过程中占据很重要的部分,可以用来改善酿酒工艺,并且对葡萄酒品质进行分级。葡萄酒质量评价经常使用物理化学实验测试获取相关理化指标,例如酸度,酒精度或p H值的测定,而感官测试则主要依赖于专家的感官评价,如专业的品酒师等。但我国国内高水平的品酒师数量较少,而且面对葡萄酒产业诸多生产商所生产的种类繁多的葡萄酒,仅依赖为数不多的专业品酒师对葡萄酒进行评估耗费大量人力和财力可能还达不到预期效果。因此,葡萄酒分级的难点在于数据标注方面。随着机器学习领域的发展,越来越多的分类算法能够为我们所用,支持向量机（SVM）便是其中的一种。本文以UCI机器学习数据库中4898例白葡萄酒数据集为研究对象,采用新型主动学习多分类SVM算法和传统的主动学习多分类SVM算法进行横向比较,证明新型主动学习多分类SVM算法能够完美地选取代表数据集特征的少量样本作为训练集,在少量训练集的情况下,分类的准确率要明显优于另外两种算法。将... 

【文章来源】：上海师范大学上海市

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

多分类SVM模型示图

第4章基于主动学习的SVM质量评估模型上海师范大学硕士学位论文22图4-1不同标注样本下新型主动学习多分类SVM算法的分类准确率表4-1新型主动学习多分类SVM模型的评价表标注样本数精度召回率F1值100微平均0.440.440.44宏平均0.230.190.19200微平均0.480.480.48宏平均0.190.180.16300微平均0.500.500.50宏平均0.170.180.164.2传统主动学习多分类SVM算法4.2.1算法实现利用Python所提供的sklearn机器学习库构建SVM模型。在模型效果不太好时，应该调节模型参数，需要调节的参数包括C，gamma等，在sklearn中有可以调节参数的grid_search，利用grid_search返回的经过优化后的参数值训练白葡萄酒数据集，并通过计算未标注样本与超平面的距离构建待选集以及随机选择的方式分别构造两种传统主动学习多分类SVM算法的训练集，以此来训练模型。

上海师范大学硕士学位论文第4章基于主动学习的SVM质量评估模型234.2.2建模结果（横向比较）图4-2三种主动学习算法标注样本数为100的分类准确率图4-3三种主动学习算法标注样本数为200的分类准确率

【参考文献】：
期刊论文
[1]基于参数优化AdaBoost算法的酸性火山岩岩性分类[J]. 杨笑,王志章,周子勇,魏周城,曲康,王翔宇,王如意.  石油学报. 2019(04)
[2]基于弱分类器调整的多分类Adaboost算法[J]. 杨新武,马壮,袁顺.  电子与信息学报. 2016(02)
[3]结合主动学习策略的半监督分类算法[J]. 赵建华,刘宁.  计算机应用研究. 2015(08)
[4]葡萄酒质量评价中主客观赋权法的比较研究[J]. 刘美玲,韩艳敏,杜垚强.  福建电脑. 2014(02)
[5]随机森林算法在红葡萄酒质量评价指标体系选择中的应用[J]. 蒋诗泉,刘中侠,蒋诗平,周兴才.  食品工业科技. 2014(07)
[6]基于多元线性回归的葡萄酒质量评价[J]. 王强,汪丹丹.  渭南师范学院学报. 2013(09)
[7]葡萄酒质量影响因素的实证研究[J]. 苏钰,程万,高霞飞,程刚.  安徽农业科学. 2013(20)
[8]葡萄酒质量综合定量评价方法研究[J]. 付慧琳,杨勤,王倩,牟廉明.  内江师范学院学报. 2013(06)
[9]葡萄酒质量评价的建模分析[J]. 邱扬.  科技创新导报. 2013(17)
[10]葡萄酒质量评价的定量分析[J]. 朱家明,钟梅,张月茹,吴磊.  宜春学院学报. 2013(03)



本文编号：3224782