不同特征集的红葡萄酒品质计算机预测分析研究

2021-04-10 10:31:32姚娅川
酿酒科技 2021年3期
关键词:特征

杨 洋,姚娅川,郑 婷

(1.四川轻化工大学人工智能四川省重点实验室,四川宜宾 644000;2.四川轻化工大学自动化与信息工程学院,四川宜宾 644000)

葡萄酒行业处在飞速发展的阶段,人们对葡萄酒的品质越来越重视[1]。不同类型的葡萄酒中的大多数化学物质是一致的,但是不同类型的葡萄酒中化学物质的含量却有不一样的浓度。随着葡萄酒相关检测技术的不断改善,对不同的葡萄酒进行分类以确保其质量就显得尤为重要。

人们使用了不同的机器学习方法和特征选择技术对葡萄酒数据集进行处理。Er和Atasoy[2]提出了使用支持向量机(SVM)、随机森林(Random forest)和k-近邻(KNN)3种不同分类器对葡萄酒质量进行分类。其中随机森林算法对葡萄酒的分类得到了很好的效果。Chen 等[3]提出了利用人的品评来预测葡萄酒级别的方法。他们使用关联规则算法来处理评论和预测葡萄酒等级,发现在预测等级时,准确率为85.25%。Appalasamy等[4]提出了理化测试数据预测葡萄酒质量的方法。指出在生产过程中,分类方法有助于提高葡萄酒的质量。Beltran等[5]提出了香气色谱对葡萄酒进行分类的方法,利用PCA 降维,再用小波变换特征提取和分类器特征提取,如神经网络,线性判别分析和SVM,发现SVM和小波变换执行比其他分类器的效果要好。Thakkar 等[6]应用层次分析法(AHP)先对属性进行排序,再用支持向量机分类器和随机森林这两种分类器,发现应用随机森林的准确率为70.33 %,应用支持向量机的准确率为66.54%。Reddy 和Govindarajulu[7]应用了以用户为中心的集群方法来推荐该产品。……

登录APP查看全文

猜你喜欢
特征
离散型随机变量的分布列与数字特征
具有两个P’维非线性不可约特征标的非可解群
月震特征及与地震的对比
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
詈语的文化蕴含与现代特征
新闻传播(2018年11期)2018-08-29 08:15:24
基于特征筛选的模型选择
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15