烟叶原料高维指标信息聚类算法

发布时间：2020-09-27 11:46

　　因为烟草产品的消费面广、量大、税高,在我国经济中占有重要地位,所以如何有效的给烟叶品质评级,提高烟叶的质量来创收是烟草工业面临的重要问题。烟叶数据具有维度高、计算复杂度大等特点。对烟叶数据的处理主要面临的问题有:一是怎么有效的对海量、高维的烟叶数据进行特征提取;二是如何利用特征提取的数据来提高烟叶原料品质评级的准确率。针对以上问题,本文的工作内容如下:1)针对高维烟叶数据,简单介绍了烟草领域的研究背景,以及降维方法和聚类分析的国内外研究现状。同时对常用的线性降维方法、非线性降维方法和聚类分析算法结合如何处理高维烟叶原料数据这一实际问题,进行了讨论和分析。2)烟叶原料指标信息维数过高,计算量大,非常不不利于聚类。本文针对LLE算法的数据分类性能不好,通过加入平移和缩放变换,提出一种局部线性判别嵌入(LLDE)模型,来对烟叶原料指标信息进行降维。来减少烟叶高维数据降维时的计算量,同时提高烟叶数据降维后数据的可分性能。针对烟叶数据建立模型,通过实验确定了LLDE算法的关键参数k和?的取值,当k取10和?取10的时候对烟叶数据的特征提取效果最好,并且与主成分分析进行对比发现降维后的数据可分性能大大提高。3)在训练样本较少的情况下,运用K-近邻(KNN)、支持向量机(SVM)等方法,对烟叶进行品质分类时会导致分类准确率低而导致难以实现烟叶品质的正确分类。为解决这一问题,使用一种混合K调和聚类方法结合LLDE算法,构建LLDE-K模型来进行烟叶品质评级的分类。使用实际工业生产中的烟叶数据对模型进行测试,与PCA+KNN和ISOMAP+KNN来作比较,LLDE-K模型在识别过程中最高达到了95.2%正确率,而PCA+KNN的最高识别率是94.9%,ISOMAP+KNN的最高识率是94.8%。LLDE-K方法对烟叶各品质的平均识别率有94.96%,而PCA+KNN的是94.30%,ISOMAP+KNN的是94.34%,并且LLDE-K的算法耗时均小于另外两种方法。验证了LLDE-K方法的可行性,这也为烟叶原料高维指标信息的品质分类的研究和分析提供了一种新途径。
【学位单位】：湖南师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP311.13;TS42
【部分图文】：

原理图,降维,原理图,降维技术

引入了模式识别和人工智能领域。它属于线性降维方法，是一种经典的模式识别算法。LDA 是有监督学习的降维技术，这意味着其数据集的每个样本都具有类别输出，而 PCA 是无监督降维技术，其不考虑样本类别的输出。LDA 的概念可以简单地概括为一句话，即“类中的方差在投影后最小，类之间的方差最大”。总而言之，就是为了在低维空间中投影数据，期望投影之后的同类别数据的投影点更近，而不同类别数据的投影点尽可能远。如图 2-2 所示，有两类特征是二维的数据分别为红色和蓝色，我们希望将这些数据映射到一维的一条直线上，让红色数据和蓝色数据间的距离尽可能的大。图 2-2 中提供了两种投影方式，从直观上可以看出，图（a）在边界处数据重叠严重，而图（b）的红色数据和蓝色数据各个类别较为集中，且类别之间的距离较大，边界处数据重叠少。图（b）的投影效果要比图（a）的好。

样本点,示例,类别

1 2, , , )i i i inX（ X X Xn 维的样本点，其中类别为1c 的样本1n 个，而类别为2c 的样本2n个。类别 i 的均值im 及类别 i 投影后的均值im 定义如下：1iix Classim xn (2.1)1 1 1i i iT T Ti iy Y x Class x Classi i im y W x W x W mn n n (2.2)理论上来说，如果在投影后每个类别数据的中心点距离最远，那么这个投影就是最佳投影。由此，推导出优化函数：` T( ) 1 2 1 2-m = )wJ m W （m m(2.3)优化目标就是让`( w)J 取最大值。

样本点,方差,可分,独立成分分析

如图 2-3 所示; 如果投影到2X轴，则类别中心点距离很小，但相比投影到轴上类别的可分能力更好，如图2-4 所示。所以在让取最大值的同时还要考虑方差，当方差越大时，类别的可分能力较差，当方差越小时，越能达到优化目标。2.2.3 独立成分分析（ICA）

【相似文献】