基于AdaBoost-SVM的葡萄酒品质分类模型优化设计

杨 云， 卢美静， 穆天红

(1.陕西科技大学 电气与信息工程学院， 陕西 西安 710021； 2.青海省农牧业市场信息中心，青海 西宁 810008)

基于AdaBoost-SVM的葡萄酒品质分类模型优化设计

杨 云1， 卢美静1， 穆天红2

(1.陕西科技大学 电气与信息工程学院， 陕西 西安 710021； 2.青海省农牧业市场信息中心，青海 西宁 810008)

针对传统葡萄酒品质分类中低品质类葡萄酒样本识别率低的问题，提出一种基于集成支持向量机的葡萄酒品质分类优化算法.首先，通过“一对多”支持向量机实现多分类；其次，把支持向量机作为基分类器，反复训练支持向量机分类样本，通过AdaBoost得到多个支持向量机基分类器组合的强分类器，运用AdaBoost算法动态调整样本权值，适当提高低品质类样本权重，使低品质类中错判的样本代价增大，从而改进不平衡样本分类性能；最后，以Wine Quality数据集为研究对象，建立以多分类器优化集成为核心的葡萄酒品质分类模型.仿真结果表明，与传统的SVM算法相比，所提方法显著提高了低品质类葡萄酒分类精度.

分类； 支持向量机； 集成学习； 葡萄酒品质； 不平衡数据

0 引言

随着我国市场经济的蓬勃发展和人们对葡萄酒消费需求的迅速增加，葡萄酒行业正处于一个高速发展的时期[1].葡萄酒品质一直以来都是消费者以及生产者最关心的问题，尤其是对于中高档的葡萄酒来说，葡萄酒品质高低近乎决定了其价值的高低[2].传统葡萄酒品质分类方法主要通过感官分析法，但这种方法易受到评酒人员……