支持向量机对烟草化学成分协调性的分类应用

徐小华　胡晓飞　全晓松等

摘要：根据烟草化学成分的协调性分析来确定烟草的等级是非常复杂的过程，传统上的评估方法存在主观性等人为的缺陷。为了提高分类等级的准确性，提出了K-CV-SVM的分类模型。仿真结果表明，K-CV-SVM克服了传统方法的缺陷，具有一定的适用性。

关键词：烟草；成分；支持向量机

中图分类号： TP391.4 文献标志码： A 文章编号：1002-1302（2014）07-0431-02

收稿日期：2013-10-03

基金项目：云南省教育厅科学研究基金（编号：2012C80）。

作者简介：徐小华（1980—），男，四川南充人，硕士，讲师，主要从事模式识别和计算机智能系统的研究。E-mail：969287340@qq.com。烟草是我国重要的经济作物之一，我国的烟草种植面积和总产量均居世界第一位。随着“21世纪是质量的世纪”口号的提出，当今烟草贸易市场上竞争的焦点已经是烟草质量的竞争，而烟草质量的优劣主要是由其化学成分的协调性来体现的[1]。烟草的主要化学成分含有多种判定指标，是一个多层次、多目标的分类关系，而且影响因素和分类等级之间存在非线性的关系。传统的烟叶评价主要是通过人工验级和样烟评吸来进行的[2-4]，由于得到的数据在一定程度上会受到主观因素的影响，因此不利于对烟叶的科学评价。支持向量机（SVM，support vector machine）是由Vapnik首先提出的，可用于模式分类和识别，如果将其用于烟草化学成分协调性的分类，则有助于提高分类的准确率，从而避免繁杂的人为因素干扰。本研究拟采用MATLAB R2012B和Libsvm软件实现对烟草化学成分协调性的分类。

1支持向量机

4与其他模型的比较

为了说明K-CV交叉验证法得到的结果的优劣，分别将数据归一化后直接对数据进行测试（其svmtrain的参数为-c2，-g1，-t0）和交叉验证法的方法作为比较模型。前者的分类准确率为93.3333%。可以看出，K-CV的模型SVM的 Accuracy 的准确率是最好的，更具有有效性，因此可以说明将基于 K-CV 模型的SVM用于对烟叶化学成分协调性的分类，提高了分类准确率，有广泛的实用性和一定的决策性。

参考文献：

[1]李春丽，毛绍春. 烟叶化学成分及分析[M]. 昆明：云南大学出版社，2007：1-3.

[2]罗战勇，吕永华，李淑玲，等. 广东省生态烟区的划分及其烟叶质量评价[J]. 广东农业科学，2004（1）：18-20.

[3]蔡宪杰，王信民，尹启生. 烤烟外观质量指标量化分析初探[J]. 烟草科技，2004，6（6）：37-39，42.

[4]叶冲，杨再波，韩伟，等. 贵州烟叶化学成分的聚类分析和综合评价[J]. 贵州化工，2006，31（6）：17-19.

[5]魏勤，张宇霖. 基于SVM神经网络的沪深300股指期货的实证研究[J]. 产业与科技论坛，2012（10）：123-126.

[6]Haykin S. 神经网络原理[M]. 叶世伟，史忠植，译. 北京：机械工业出版社，2004：100-105.

[7]饶智勇，颜七笙. 基于SVM的农业机械化水平预测模型[J]. 广东农业科学，2010，37（5）：203-205.

[8]曾传华，陈红，高云，等. 基于SVM和颜色矩的竹条颜色分级方法[J]. 湖北农业科学，2010，49（2）：455-457.

[9]高丙朋，姜波，南新元. 基于LS-SVM的番茄产量在线预测[J]. 湖北农业科学，2012，51（5）：1025-1027.

[10]史峰，王小川，郁磊，等. MATLAB神经网络30个案例分析[M]. 北京：北京航空航天大学出版社，2010：112-121.

[11]章英，贺立源，叶颖泽，等. 基于LS-SVM的烤烟烟叶产地判别[J]. 湖北农业科学，2012，51（3）：583-585.

[12]陈光英，张千里，李星. 基于SVM分类机的入侵检测系统[J]. 通信学报，2002，23（5）：51-56.

[13]曾建潮，介婧，崔志华. 微粒群算法[M]. 北京：科学出版社，2004：80-90.

[14]杨洁，郑宁，刘董，等. 基于遗传算法的SVM带权特征和模型参数优化[J]. 计算机仿真，2008（9）：115-117，158.

[15]雷英杰，张善文，李续武，等. MATLAB遗传算法工具箱及应用[M]. 西安：西安电子科技大学出版社，2005：80-110.

[16]程玉柱，陈勇，车军，等. 基于Bayes与SVM的玉米彩色图像分割新算法[J]. 江苏农业科学，2012，40（7）：355-358.

[17]王晓红，吴德会. 基于WLS-SVM回归模型的电力负荷预测[J]. 微计算机信息，2008，24（4）：312-314.endprint

摘要：根据烟草化学成分的协调性分析来确定烟草的等级是非常复杂的过程，传统上的评估方法存在主观性等人为的缺陷。为了提高分类等级的准确性，提出了K-CV-SVM的分类模型。仿真结果表明，K-CV-SVM克服了传统方法的缺陷，具有一定的适用性。

关键词：烟草；成分；支持向量机

中图分类号： TP391.4 文献标志码： A 文章编号：1002-1302（2014）07-0431-02

收稿日期：2013-10-03

基金项目：云南省教育厅科学研究基金（编号：2012C80）。

作者简介：徐小华（1980—），男，四川南充人，硕士，讲师，主要从事模式识别和计算机智能系统的研究。E-mail：969287340@qq.com。烟草是我国重要的经济作物之一，我国的烟草种植面积和总产量均居世界第一位。随着“21世纪是质量的世纪”口号的提出，当今烟草贸易市场上竞争的焦点已经是烟草质量的竞争，而烟草质量的优劣主要是由其化学成分的协调性来体现的[1]。烟草的主要化学成分含有多种判定指标，是一个多层次、多目标的分类关系，而且影响因素和分类等级之间存在非线性的关系。传统的烟叶评价主要是通过人工验级和样烟评吸来进行的[2-4]，由于得到的数据在一定程度上会受到主观因素的影响，因此不利于对烟叶的科学评价。支持向量机（SVM，support vector machine）是由Vapnik首先提出的，可用于模式分类和识别，如果将其用于烟草化学成分协调性的分类，则有助于提高分类的准确率，从而避免繁杂的人为因素干扰。本研究拟采用MATLAB R2012B和Libsvm软件实现对烟草化学成分协调性的分类。

1支持向量机

4与其他模型的比较

为了说明K-CV交叉验证法得到的结果的优劣，分别将数据归一化后直接对数据进行测试（其svmtrain的参数为-c2，-g1，-t0）和交叉验证法的方法作为比较模型。前者的分类准确率为93.3333%。可以看出，K-CV的模型SVM的 Accuracy 的准确率是最好的，更具有有效性，因此可以说明将基于 K-CV 模型的SVM用于对烟叶化学成分协调性的分类，提高了分类准确率，有广泛的实用性和一定的决策性。

参考文献：

[1]李春丽，毛绍春. 烟叶化学成分及分析[M]. 昆明：云南大学出版社，2007：1-3.

[2]罗战勇，吕永华，李淑玲，等. 广东省生态烟区的划分及其烟叶质量评价[J]. 广东农业科学，2004（1）：18-20.

[3]蔡宪杰，王信民，尹启生. 烤烟外观质量指标量化分析初探[J]. 烟草科技，2004，6（6）：37-39，42.

[4]叶冲，杨再波，韩伟，等. 贵州烟叶化学成分的聚类分析和综合评价[J]. 贵州化工，2006，31（6）：17-19.

[5]魏勤，张宇霖. 基于SVM神经网络的沪深300股指期货的实证研究[J]. 产业与科技论坛，2012（10）：123-126.

[6]Haykin S. 神经网络原理[M]. 叶世伟，史忠植，译. 北京：机械工业出版社，2004：100-105.

[7]饶智勇，颜七笙. 基于SVM的农业机械化水平预测模型[J]. 广东农业科学，2010，37（5）：203-205.

[8]曾传华，陈红，高云，等. 基于SVM和颜色矩的竹条颜色分级方法[J]. 湖北农业科学，2010，49（2）：455-457.

[9]高丙朋，姜波，南新元. 基于LS-SVM的番茄产量在线预测[J]. 湖北农业科学，2012，51（5）：1025-1027.

[10]史峰，王小川，郁磊，等. MATLAB神经网络30个案例分析[M]. 北京：北京航空航天大学出版社，2010：112-121.

[11]章英，贺立源，叶颖泽，等. 基于LS-SVM的烤烟烟叶产地判别[J]. 湖北农业科学，2012，51（3）：583-585.

[12]陈光英，张千里，李星. 基于SVM分类机的入侵检测系统[J]. 通信学报，2002，23（5）：51-56.

[13]曾建潮，介婧，崔志华. 微粒群算法[M]. 北京：科学出版社，2004：80-90.

[14]杨洁，郑宁，刘董，等. 基于遗传算法的SVM带权特征和模型参数优化[J]. 计算机仿真，2008（9）：115-117，158.

[15]雷英杰，张善文，李续武，等. MATLAB遗传算法工具箱及应用[M]. 西安：西安电子科技大学出版社，2005：80-110.

[16]程玉柱，陈勇，车军，等. 基于Bayes与SVM的玉米彩色图像分割新算法[J]. 江苏农业科学，2012，40（7）：355-358.

[17]王晓红，吴德会. 基于WLS-SVM回归模型的电力负荷预测[J]. 微计算机信息，2008，24（4）：312-314.endprint

摘要：根据烟草化学成分的协调性分析来确定烟草的等级是非常复杂的过程，传统上的评估方法存在主观性等人为的缺陷。为了提高分类等级的准确性，提出了K-CV-SVM的分类模型。仿真结果表明，K-CV-SVM克服了传统方法的缺陷，具有一定的适用性。

关键词：烟草；成分；支持向量机

中图分类号： TP391.4 文献标志码： A 文章编号：1002-1302（2014）07-0431-02

收稿日期：2013-10-03

基金项目：云南省教育厅科学研究基金（编号：2012C80）。

作者简介：徐小华（1980—），男，四川南充人，硕士，讲师，主要从事模式识别和计算机智能系统的研究。E-mail：969287340@qq.com。烟草是我国重要的经济作物之一，我国的烟草种植面积和总产量均居世界第一位。随着“21世纪是质量的世纪”口号的提出，当今烟草贸易市场上竞争的焦点已经是烟草质量的竞争，而烟草质量的优劣主要是由其化学成分的协调性来体现的[1]。烟草的主要化学成分含有多种判定指标，是一个多层次、多目标的分类关系，而且影响因素和分类等级之间存在非线性的关系。传统的烟叶评价主要是通过人工验级和样烟评吸来进行的[2-4]，由于得到的数据在一定程度上会受到主观因素的影响，因此不利于对烟叶的科学评价。支持向量机（SVM，support vector machine）是由Vapnik首先提出的，可用于模式分类和识别，如果将其用于烟草化学成分协调性的分类，则有助于提高分类的准确率，从而避免繁杂的人为因素干扰。本研究拟采用MATLAB R2012B和Libsvm软件实现对烟草化学成分协调性的分类。

1支持向量机

4与其他模型的比较

为了说明K-CV交叉验证法得到的结果的优劣，分别将数据归一化后直接对数据进行测试（其svmtrain的参数为-c2，-g1，-t0）和交叉验证法的方法作为比较模型。前者的分类准确率为93.3333%。可以看出，K-CV的模型SVM的 Accuracy 的准确率是最好的，更具有有效性，因此可以说明将基于 K-CV 模型的SVM用于对烟叶化学成分协调性的分类，提高了分类准确率，有广泛的实用性和一定的决策性。

参考文献：

[1]李春丽，毛绍春. 烟叶化学成分及分析[M]. 昆明：云南大学出版社，2007：1-3.

[2]罗战勇，吕永华，李淑玲，等. 广东省生态烟区的划分及其烟叶质量评价[J]. 广东农业科学，2004（1）：18-20.

[3]蔡宪杰，王信民，尹启生. 烤烟外观质量指标量化分析初探[J]. 烟草科技，2004，6（6）：37-39，42.

[4]叶冲，杨再波，韩伟，等. 贵州烟叶化学成分的聚类分析和综合评价[J]. 贵州化工，2006，31（6）：17-19.

[5]魏勤，张宇霖. 基于SVM神经网络的沪深300股指期货的实证研究[J]. 产业与科技论坛，2012（10）：123-126.

[6]Haykin S. 神经网络原理[M]. 叶世伟，史忠植，译. 北京：机械工业出版社，2004：100-105.

[7]饶智勇，颜七笙. 基于SVM的农业机械化水平预测模型[J]. 广东农业科学，2010，37（5）：203-205.

[8]曾传华，陈红，高云，等. 基于SVM和颜色矩的竹条颜色分级方法[J]. 湖北农业科学，2010，49（2）：455-457.

[9]高丙朋，姜波，南新元. 基于LS-SVM的番茄产量在线预测[J]. 湖北农业科学，2012，51（5）：1025-1027.

[10]史峰，王小川，郁磊，等. MATLAB神经网络30个案例分析[M]. 北京：北京航空航天大学出版社，2010：112-121.

[11]章英，贺立源，叶颖泽，等. 基于LS-SVM的烤烟烟叶产地判别[J]. 湖北农业科学，2012，51（3）：583-585.

[12]陈光英，张千里，李星. 基于SVM分类机的入侵检测系统[J]. 通信学报，2002，23（5）：51-56.

[13]曾建潮，介婧，崔志华. 微粒群算法[M]. 北京：科学出版社，2004：80-90.

[14]杨洁，郑宁，刘董，等. 基于遗传算法的SVM带权特征和模型参数优化[J]. 计算机仿真，2008（9）：115-117，158.

[15]雷英杰，张善文，李续武，等. MATLAB遗传算法工具箱及应用[M]. 西安：西安电子科技大学出版社，2005：80-110.

[16]程玉柱，陈勇，车军，等. 基于Bayes与SVM的玉米彩色图像分割新算法[J]. 江苏农业科学，2012，40（7）：355-358.

[17]王晓红，吴德会. 基于WLS-SVM回归模型的电力负荷预测[J]. 微计算机信息，2008，24（4）：312-314.endprint